論文の概要: Automated Measurement of Geniohyoid Muscle Thickness During Speech Using Deep Learning and Ultrasound
- arxiv url: http://arxiv.org/abs/2603.03350v1
- Date: Thu, 26 Feb 2026 05:43:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.008229
- Title: Automated Measurement of Geniohyoid Muscle Thickness During Speech Using Deep Learning and Ultrasound
- Title（参考訳）: 深層学習と超音波を用いた声帯筋厚自動計測
- Authors: Alisher Myrgyyassov, Bruce Xiao Wang, Yu Sun, Shuming Huang, Zhen Song, Min Ney Wong, Yongping Zheng,
- Abstract要約: SMMAは、ゲニオヒオイド(GH)筋動態を解析するための完全に自動化されたフレームワークである。
SMMAは、マニュアルアノテーションを不要にしながら、専門家が検証した精度を達成する。
- 参考スコア（独自算出の注目度）: 5.992265815223387
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Manual measurement of muscle morphology from ultrasound during speech is time-consuming and limits large-scale studies. We present SMMA, a fully automated framework that combines deep-learning segmentation with skeleton-based thickness quantification to analyze geniohyoid (GH) muscle dynamics. Validation demonstrates near-human-level accuracy (Dice = 0.9037, MAE = 0.53 mm, r = 0.901). Application to Cantonese vowel production (N = 11) reveals systematic patterns: /a:/ shows significantly greater GH thickness (7.29 mm) than /i:/ (5.95 mm, p < 0.001, Cohen's d > 1.3), suggesting greater GH activation during production of /a:/ than /i:/, consistent with its role in mandibular depression. Sex differences (5-8% greater in males) reflect anatomical scaling. SMMA achieves expert-validated accuracy while eliminating the need for manual annotation, enabling scalable investigations of speech motor control and objective assessment of speech and swallowing disorders.
- Abstract（参考訳）: 音声中の筋肉形態を手動で測定するのは時間を要するため、大規模な研究は限られている。
深層学習のセグメンテーションと骨格に基づく厚さの定量化を組み合わせ、ジェノヒオイド(GH)筋の動態を解析する完全に自動化されたフレームワークSMMAを提案する。
検証は人間に近いレベルの精度を示す(Dice = 0.9037, MAE = 0.53 mm, r = 0.901)。
カントン母音の生成(N = 11)は、 /a:/ が /i:/ (5.95 mm, p < 0.001, Cohen's d > 1.3 よりも GH の厚さ (7.29 mm) が有意に大きいことを示し、/a:/ が /i:/ よりも多くの GH の活性化を示す。
性差(オスでは5～8%)は解剖学的スケーリングを反映している。
SMMAは,手動アノテーションの必要をなくし,音声モータ制御のスケーラブルな調査と音声・摂食障害の客観的評価を可能にした。
関連論文リスト
- Practical Geometric and Quantum Kernel Methods for Predicting Skeletal Muscle Outcomes in chronic obstructive pulmonary disease [12.752575381856934]
慢性閉塞性肺疾患(COPD)における骨格筋機能障害の臨床的意義
このことは、縦に取得できる最小侵襲バイオマーカーによる筋肉結果の予測的モデリングを動機付けている。
低次元データ用に設計された古典的ベースライン、スタイン発散を持つ幾何対応対称正定値(SPD)記述子、量子カーネルモデルをベンチマークした。
論文 参考訳（メタデータ） (2026-01-01T13:25:45Z) - Lightweight MRI-Based Automated Segmentation of Pancreatic Cancer with Auto3DSeg [0.0]
SegResNetモデルは、2025年のPANTHER Challengeの一環として、2つのMRIベースの膵腫瘍セグメンテーションタスクで訓練され、評価された。
性能はやや低かったが, 自動デライン化の可能性を示した。
論文 参考訳（メタデータ） (2025-08-28T21:38:06Z) - SurgeryLSTM: A Time-Aware Neural Model for Accurate and Explainable Length of Stay Prediction After Spine Surgery [44.119171920037196]
選択的脊椎手術における滞在時間(LOS)予測のための機械学習モデルの開発と評価を行った。
我々は,従来のMLモデルと,マスク付き双方向長短期記憶(BiLSTM)であるオペレーショナルLSTMを比較した。
決定係数(R2)を用いて性能を評価し,説明可能なAIを用いて鍵予測器を同定した。
論文 参考訳（メタデータ） (2025-07-15T01:18:28Z) - Scattering approach to diffusion quantifies axonal damage in brain injury [35.18016233072556]
そこで本研究では, 時間依存性拡散MRIのマイクロメータースケールにおける構造障害軸索形態に対する感度を明らかにする。
この理論開発により、数万の軸索を数秒で軸索の変化に敏感なdMRI測定値を予測することができる。
我々のアプローチは、分解能のマイクロメーターとミリメートルのギャップを埋め、幅広い神経疾患に適用可能な定量的かつ客観的なバイオマーカーを提供する。
論文 参考訳（メタデータ） (2025-01-30T06:31:04Z) - Predicting Muscle Thickness Deformation from Muscle Activation Patterns: A Dual-Attention Framework [0.0]
表面筋電図(sEMG)は筋の生体電気信号を筋の活性化として記録する。
本稿では筋厚の変形予測にsEMG信号を利用するディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2024-09-26T20:21:35Z) - Deep learning-based auto-segmentation of paraganglioma for growth monitoring [0.0]
no-new-UNnet (nUNet) を用いたディープラーニングセグメンテーションモデルに基づく腫瘍体積自動計測法を提案する。
高齢者耳鼻咽喉科医の視力検査と数種類の定量的指標を用いて, モデルの性能評価を行った。
生成したモデルと,腫瘍を時間とともに追跡するリンク手順を用いて,既知の成長関数の適合度に付加的な体積測定がどう影響するかを示す。
論文 参考訳（メタデータ） (2024-03-19T14:08:56Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - A novel optical needle probe for deep learning-based tissue elasticity
characterization [59.698811329287174]
光コヒーレンスエラストグラフィー(OCE)プローブは針挿入のために提案されているが、今のところ必要な負荷感知能力は欠如している。
針先端での光コヒーレンストモグラフィ(OCT)イメージングと負荷検出を同時に行う新しいOCEニードルプローブを提案する。
論文 参考訳（メタデータ） (2021-09-20T08:29:29Z) - Comparison of Machine Learning Classifiers to Predict Patient Survival
and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。
GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。
xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
論文 参考訳（メタデータ） (2021-02-10T15:10:37Z) - Deep Learning for Automatic Spleen Length Measurement in Sickle Cell
Disease Patients [1.739079346425631]
シックル細胞病(Sickle Cell Disease, SCD)は、世界で最も一般的な遺伝疾患の一つである。
脾臓の大きさを測定するための現在のワークフローには、おそらく2次元超音波画像における手動長さ測定が続く。
超音波画像から脾臓の長さを自動的に推定する深層学習法について検討した。
論文 参考訳（メタデータ） (2020-09-06T10:47:49Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。