論文の概要: On the use of Aggregation Operators to improve Human Identification using Dental Records
- arxiv url: http://arxiv.org/abs/2603.23003v1
- Date: Tue, 24 Mar 2026 09:48:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.412986
- Title: On the use of Aggregation Operators to improve Human Identification using Dental Records
- Title（参考訳）: 歯科記録を用いた人物識別向上のための集約操作子の利用について
- Authors: Antonio D. Villegas-Yeguas, Guillermo R-García, Tzipi Kahana, Jorge Pinares Toledo, Esi Sharon, Oscar Ibañez, Oscar Cordón,
- Abstract要約: 本研究では,データ駆動型語彙順に基づく集約,ファジィ論理集約法,機械学習技術の性能を集約機構として検討する。
その結果、集約モデルとしてホワイトボックス機械学習技術を用いることで、その説明可能性や解釈性を損なうことなく、最先端(平均3.91のランク)を改善することができることを示す。
- 参考スコア（独自算出の注目度）: 2.1156958735005786
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The comparison of dental records is a standardized technique in forensic dentistry used to speed up the identification of individuals in multiple-comparison scenarios. Specifically, the odontogram comparison is a procedure to compute criteria that will be used to perform a ranking. State-of-the-art automatic methods either make use of simple techniques, without utilizing the full potential of the information obtained from a comparison, or their internal behavior is not known due to the lack of peer-reviewed publications. This work aims to design aggregation mechanisms to automatically compare pairs of dental records that can be understood and validated by experts, improving the current methods. To do so, we introduce different aggregation approaches using the state-of-the-art codification, based on seven different criteria. In particular, we study the performance of i) data-driven lexicographical order-based aggregations, ii) well-known fuzzy logic aggregation methods and iii) machine learning techniques as aggregation mechanisms. To validate our proposals, 215 forensic cases from two different populations have been used. The results obtained show how the use of white-box machine learning techniques as aggregation models (average ranking from 2.02 to 2.21) are able to improve the state-of-the-art (average ranking of 3.91) without compromising the explainability and interpretability of the method.
- Abstract（参考訳）: 歯科記録の比較は、複数の比較シナリオにおける個人識別の高速化に使用される法医学的歯科医学において標準化された技法である。
具体的には, 顎骨比較は, ランク付けに使用される基準を計算するための手順である。
最先端の自動手法は、比較から得られる情報の潜在能力を最大限に活用することなく、単純な手法を利用するか、査読された出版物が欠如しているため、その内部行動は分かっていない。
本研究の目的は、専門家が理解し、検証できる歯科記録のペアを自動比較する集約機構を設計し、現在の方法を改善することである。
そこで我々は,7つの異なる基準に基づいて,最先端のコーデフィケーションを用いた異なるアグリゲーション手法を提案する。
特に,その性能について検討する。
一 データ駆動の辞書の順序に基づく集計
二 よく知られたファジィ論理集約方法及び方法
三 集約機構としての機械学習技術
提案を検証するために,2つの異なる集団の215件の法医学的事例を用いた。
その結果、集約モデルとしてホワイトボックス機械学習技術(平均ランク2.02から2.21)を用いることで、その説明可能性や解釈性を損なうことなく、最先端(平均ランク3.91)を改善することができた。
関連論文リスト
- Enhancing Orthopox Image Classification Using Hybrid Machine Learning and Deep Learning Models [40.325359811289445]
本稿では、機械学習モデルと事前訓練されたディープラーニングモデルを組み合わせて、拡張データを必要とせずに、深い特徴表現を抽出する。
その結果, この特徴抽出法は, 最先端技術における他の手法と組み合わせることで, 優れた分類結果が得られることがわかった。
論文 参考訳（メタデータ） (2025-06-06T11:52:07Z) - A Comparison of Modeling Preprocessing Techniques [0.0]
本稿では,構造化データに対する予測性能の観点から,各種データ処理手法の性能を比較した。
様々な構造、相互作用、複雑さの3つのデータセットが構築された。
特徴選択,分類的ハンドリング,ヌル計算のいくつかの手法を比較した。
論文 参考訳（メタデータ） (2023-02-23T14:11:08Z) - How should I compute my candidates? A taxonomy and classification of diagnosis computation algorithms [4.8951183832371]
本研究は,標準化された評価,分類,比較を可能にする診断計算のための分類法を提案する。
i)研究者や実践者が利用可能な診断技術の多様な風景を印象づけること、(ii)アプローチの長所と短所だけでなく、主要な特徴を検索できるようにすること、(iii)その特徴に基づいたテクニックの容易かつ明確な比較を可能にすること、(iv)特定の問題に適用するための「正しい」アルゴリズムの選択を促進することである。
論文 参考訳（メタデータ） (2022-07-26T00:17:45Z) - Multivariate feature ranking of gene expression data [62.997667081978825]
ペアワイズ相関とペアワイズ整合性に基づく2つの新しい多変量特徴ランキング手法を提案する。
提案手法は, クラスタリング変動, チ・スクエアド, 相関, 情報ゲイン, ReliefF および Significance の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-11-03T17:19:53Z) - A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。
これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。
提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文 参考訳（メタデータ） (2021-02-26T17:49:58Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳（メタデータ） (2020-12-29T23:43:16Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z) - Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking
Fairness and Algorithm Utility [54.179859639868646]
Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。
学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。
本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-15T10:08:39Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z)
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。