論文の概要: Hierarchical Classification via Cascading Feature Elimination: Application to Human Phenotype Ontology-Aligned Facial Phenotyping (FaceMesh2HPO)

• arxiv url: http://arxiv.org/abs/2607.05585v1
• Date: Mon, 06 Jul 2026 19:33:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.310058
• Title: Hierarchical Classification via Cascading Feature Elimination: Application to Human Phenotype Ontology-Aligned Facial Phenotyping (FaceMesh2HPO)
• Title（参考訳）: カスケーディング特徴除去による階層的分類:ヒトフェノタイプ・オントロジー・アライメント・顔認識(FaceMesh2HPO)への応用
• Abstract要約: FaceMesh2HPOはHuman Phenotype Ontology(HPO)に沿った顔表現型記述子を分類するためのフレームワークである 2次元画像から3次元顔メッシュを生成し,カスケード分類と特徴除去を併用した階層的なPointNetベースのパイプラインを訓練した。
• 参考スコア（独自算出の注目度）: 39.13966109657742
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: FaceMesh2HPO is a framework for classifying facial phenotypic descriptors aligned with the Human Phenotype Ontology (HPO) to support clinical diagnosis. Using annotations from 124 clinicians across 10 disorders (107 HPO terms) combined with non-syndromic controls, we generated 3D facial meshes (478 landmarks) from 2D images and trained a hierarchical PointNet-based pipeline with cascading classification and feature elimination. The best models, incorporating 3D meshes, facial outline, and demographic metadata, achieved AUROCs between ~0.55 and ~0.89, with higher performance at parent nodes than leaf terms. External validation showed variable generalizability across disorders. Results demonstrate that hierarchical modeling of 3D facial geometry enables interpretable, ontology-linked phenotype classification, though performance on rare leaf terms remains limited. Improved data diversity and feature selection strategies are needed to enhance robustness and clinical utility.
• Abstract（参考訳）: FaceMesh2HPOは、Human Phenotype Ontology (HPO) に沿った顔表現型記述子を分類し、臨床診断を支援するためのフレームワークである。 10の障害(107HPO用語)を含む124人の臨床医のアノテーションと非シナドロミックコントロールを組み合わせることで、2D画像から3D顔メッシュ(478ランドマーク)を生成し、カスケード分類と特徴除去を併用した階層的なPointNetベースのパイプラインを訓練した。 3Dメッシュ、顔のアウトライン、人口統計メタデータを取り入れた最高のモデルでは、AUROCが0.55から0.89の間で達成され、リーフ項よりも親ノードのパフォーマンスが向上した。 外的妥当性は障害間での変動的一般化性を示した。 その結果、3次元顔形状の階層的モデリングにより、レアリーリーフ項の性能は制限されているものの、解釈可能でオントロジーにリンクした表現型分類が可能であることが示唆された。 データ多様性の向上と特徴選択戦略は、堅牢性と臨床的有用性を高めるために必要である。

関連論文リスト

• A Scale-adaptive Vision Model Links C. elegans Neuronal Morphology to Behavior for Neurotoxicity Assessment [18.44832020543505]
  我々は、C. elegans dopaminergic Neuroに専用の自己教師型視覚モデルを導入する。 本稿では,解像度とパッチサイズにまたがる表現を共同で学習する,スケール適応型マスク付き画像モデリング手法を提案する。 形態的記述子による視覚的特徴の融合は、ドーパミン依存的な行動障害の予測を可能にする。
  論文  参考訳（メタデータ） (2026-07-25T12:39:36Z)
• TVT-PAPD: Pathology-Aware Prototype Distillation for Self-Supervised Whole Slide Image Classification [1.2585216712212437]
  病理診断型プロトタイプ蒸留(TVT-PAPD)を用いたTiny Vision Transformerを提案する。 この自己教師型病理表現学習フレームワークは、Tiny Vision Transformer(TVT)と新しいPAPDモジュールを統合する。 TVT-PAPDはLGG-GBM分類において、それぞれ93.02%と90.23%の重み付きF1スコアを達成している。
  論文  参考訳（メタデータ） (2026-07-11T17:15:17Z)
• RDFace: A Benchmark Dataset for Rare Disease Facial Image Analysis under Extreme Data Scarcity and Phenotype-Aware Synthetic Generation [7.261858220545029]
  RDFaceは103の稀な遺伝状態にまたがる小児顔面画像のベンチマークデータセットである。 RDFaceは、まれな疾患診断のためのデータ効率の良いAIモデルの開発と評価を可能にする。
  論文  参考訳（メタデータ） (2026-04-03T20:56:30Z)
• Adaptive Clinical-Aware Latent Diffusion for Multimodal Brain Image Generation and Missing Modality Imputation [12.941925130242039]
  ACADiffは、行方不明の脳画像モダリティを合成するフレームワークである。 不完全なマルチモーダル観測と目標モダリティの間のマッピングを、段階的に潜在表現を認知することによって学習する。 生成品質が向上し、80%の不足シナリオでも堅牢な診断性能を維持する。
  論文  参考訳（メタデータ） (2026-03-10T17:26:45Z)
• An artificial intelligence framework for end-to-end rare disease phenotyping from clinical notes using large language models [19.80670818473776]
  RARE-PHENIXは、まれな疾患表現のためのエンドツーエンドのAIフレームワークである。 大規模な言語モデルに基づく表現型抽出、ヒトフェノタイプオントロジーの標準化、診断に有用な表現型ランキングの監督などを統合する。 最先端のディープラーニングベースライン(PhenoBERT)をオントロジーに基づく類似性と、エンドツーエンド評価における精度-リコール-F1メトリクスで一貫して上回った。
  論文  参考訳（メタデータ） (2026-02-23T20:20:23Z)
• 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)
• X-SiT: Inherently Interpretable Surface Vision Transformers for Dementia Diagnosis [3.0248879829045388]
  皮質表面のレンダリングは、よりアクセスしやすく理解しやすい脳解剖の3D表現を提供する。 X-SiTは、解釈可能な皮質の特徴に基づいた人間の理解可能な予測を提供する、最初の本質的に解釈可能なニューラルネットワークである。 以上の結果から,アルツハイマー病と前頭側頭型認知症を診断する上での最先端の成績が示された。
  論文  参考訳（メタデータ） (2025-06-25T09:24:07Z)
• Proto-FG3D: Prototype-based Interpretable Fine-Grained 3D Shape Classification [59.68055837500357]
  本稿では,3次元形状のきめ細かい分類のためのプロトタイプベースフレームワークProto-FG3Dを提案する。 Proto-FG3Dは、Prototype Associationを介して、共同でマルチビューとマルチカテゴリ表現学習を確立する。 Proto-FG3Dは、精度、透明な予測、そして視覚化によるアドホックな解釈可能性において最先端の手法を超越している。
  論文  参考訳（メタデータ） (2025-05-23T09:31:02Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• An evaluation of GPT models for phenotype concept recognition [0.4715973318447338]
  臨床表現型および表現型アノテーションのためのGPT(Generative Pre-trained Transformer)モデルの性能について検討した。 その結果、適切な設定で、これらのモデルが芸術的パフォーマンスの状態を達成できることが示されている。
  論文  参考訳（メタデータ） (2023-09-29T12:06:55Z)
• Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification Using Model Ensembles [52.77024349608834]
  我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。 提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
  論文  参考訳（メタデータ） (2022-11-12T23:28:54Z)
• 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)

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。