論文の概要: AutoFFS: Adversarial Deformations for Facial Feminization Surgery Planning

• arxiv url: http://arxiv.org/abs/2603.02288v1
• Date: Mon, 02 Mar 2026 13:27:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.50196
• Title: AutoFFS: Adversarial Deformations for Facial Feminization Surgery Planning
• Title（参考訳）: AutoFFS:顔面フェミニゼーション手術計画のための対向的変形
• Authors: Paul Friedrich, Florentin Bieder, Florian M. Thieringer, Philippe C. Cattin,
• Abstract要約: 顔面フェミニゼーション手術(FFS)は、トランスジェンダーや性差のある患者にとって、性別確認の鍵となる要素である。 本稿では, 対向自由形変形による対実的頭蓋形態を生成する新しいデータ駆動型フレームワークであるAutoFFSを提案する。
• 参考スコア（独自算出の注目度）: 0.7649716717097429
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial feminization surgery (FFS) is a key component of gender affirmation for transgender and gender diverse patients, aiming to reshape craniofacial structures toward a female morphology. Current surgical planning procedures largely rely on subjective clinical assessment, lacking quantitative and reproducible anatomical guidance. We therefore propose AutoFFS, a novel data-driven framework that generates counterfactual skull morphologies through adversarial free-form deformations. Our method performs a deformation-based targeted adversarial attack on an ensemble of pre-trained binary sex classifiers that learned sexual dimorphism, effectively transforming individual skull shapes toward the target sex. The generated counterfactual skull morphologies provide a quantitative foundation for preoperative planning in FFS, driving advances in this largely overlooked patient group. We validate our approach through classifier-based evaluation and a human perceptual study, confirming that the generated morphologies exhibit target sex characteristics.
• Abstract（参考訳）: 顔面フェミニゼーション手術(FFS)はトランスジェンダーとジェンダーの多彩な患者にとって重要な要素であり、女性の形態に向かって頭蓋顔面構造を再構築することを目的としている。 現在の外科的計画法は主観的臨床評価に大きく依存しており、定量的かつ再現可能な解剖学的ガイダンスが欠如している。 そこで我々は, 対向自由形変形による対実的頭蓋形態を生成する新しいデータ駆動型フレームワークであるAutoFFSを提案する。 本手法は, 性差を学習した二分性分類器のアンサンブルに対して, 変形に基づく対向攻撃を行い, 個々の頭蓋骨形状を標的性に向けて効果的に変形させる。 生成した偽物頭蓋形態は、FFSの術前計画の定量的基盤となり、このほとんど見落とされた患者群の進歩を駆動する。 本研究のアプローチは分類器による評価と人間の知覚的研究によって検証され, 生成した形態が性的特徴を示すことが確認された。

関連論文リスト

• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• CF-Seg: Counterfactuals meet Segmentation [15.886397919997538]
  医学画像における解剖学的構造は,様々な疾患の定量的評価において重要な役割を担っている。 病気のパターンは、周囲の健康な組織の外観を変えたり、曖昧な境界、または明確な解剖学的構造を導入したりすることができる。 そこで本研究では,病状変化を伴わずに同じ解剖像が出現する様子をシミュレーションするために,CF画像を生成する。
  論文  参考訳（メタデータ） (2025-06-19T11:01:33Z)
• African Gender Classification Using Clothing Identification Via Deep Learning [0.0]
  AFRIFASHION1600データセットは、アフリカ伝統服の1,600枚の画像を、男性と女性という2つのジェンダークラスに分類したものだ。 VGG16アーキテクチャを改良し,トランスファーラーニングを用いて訓練した深層学習モデルを開発した。 このモデルはテストセットで87%の精度を達成し、女性のサンプルに有利なデータセットの不均衡にもかかわらず、強い予測能力を示した。
  論文  参考訳（メタデータ） (2025-02-26T20:59:59Z)
• Studying the Effects of Sex-related Differences on Brain Age Prediction using brain MR Imaging [0.3958317527488534]
  脳磁気共鳴画像(MRI)に基づく機械学習モデルを開発する際の性に関するバイアスについて検討する。 異なる実験設計を考慮に入れた脳年齢予測を行い,性別の影響について検討した。 異なる性別サブグループとデータセットで訓練した脳年齢予測モデルの性能に相違が認められた。
  論文  参考訳（メタデータ） (2023-10-17T20:55:53Z)
• Soft-tissue Driven Craniomaxillofacial Surgical Planning [13.663130604042278]
  CMF手術では, 希望する顔の成果を達成するためのボニームーブメントの計画が難しい課題である。 手術計画の自動作成と検証が可能なソフトタスク駆動型フレームワークを提案する。 本フレームワークは,所望の顔結果を達成するために必要なボニー運動を推定するボニープランナーネットワークと,推定ボニー運動計画から生じる顔変化をシミュレートする顔シミュレータネットワークとから構成される。
  論文  参考訳（メタデータ） (2023-07-20T15:26:01Z)
• Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
  3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。 ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。 我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
  論文  参考訳（メタデータ） (2022-11-22T11:34:51Z)
• Unsupervised Anomaly Appraisal of Cleft Faces Using a StyleGAN2-based Model Adaptation Technique [5.224306534441244]
  本稿では,人間の顔における先天性唇裂の異常を一貫して検出し,局所化し,評価する新しい機械学習フレームワークを提案する。 提案手法では, モデル適応を用いたStyleGAN2生成対向ネットワークを用いて, 口蓋裂に影響を及ぼした顔の正規化変換を行う。 提案したコンピュータモデルによる異常スコアは、人間の顔の違いのレーティングと密接に相関しており、ピアソンのrスコアは0.942であった。
  論文  参考訳（メタデータ） (2022-11-12T13:30:20Z)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• Improving Gender Fairness of Pre-Trained Language Models without Catastrophic Forgetting [88.83117372793737]
  元のトレーニングデータに情報を埋め込むことは、モデルの下流のパフォーマンスを大きなマージンで損なう可能性がある。 本稿では,GEnder Equality Prompt(GEEP)を提案する。
  論文  参考訳（メタデータ） (2021-10-11T15:52:16Z)
• A Self-Supervised Deep Framework for Reference Bony Shape Estimation in Orthognathic Surgical Planning [55.30223654196882]
  仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。 正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。 本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-11T05:24:40Z)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。