文献

J-GLOBAL ID：201702277183526069   整理番号：17A0275091

顔面神経麻ひの定量的評価のための深い畳込みネットワークを用いた自動特徴点検出【Powered by NICT】

Automatic feature point detection using deep convolutional networks for quantitative evaluation of facial paralysis

著者 (5件)： Yoshihara Hiroki (College of Information Science and Engineering, Ritsumeikan University, Siga, Japan) ,  Seo Masataka (College of Information Science and Engineering, Ritsumeikan University, Siga, Japan) ,  Ngo Truc Hung (College of Information Science and Engineering, Ritsumeikan University, Siga, Japan) ,  Matsushiro Naoki (Department of Otorhinolayngology, Osaka Police Hospital, Japan) ,  Chen Yen-Wei (College of Information Science and Engineering, Ritsumeikan University, Siga, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CISP-BMEI  ページ： 811-814  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 特徴点検出は,顔面神経麻ひの定量的評価のための重要な前処理ステップである。アクティブ形状モデル(ASM)またはアクティブ外見モデル(AAM)のような従来の方法は通常の顔を用いて訓練し,麻ひを用いた顔の特徴点を正確に検出することが可能ではない。本論文では,深い畳込みニューラルネットワーク(DCNN)を用いた顔面神経麻ひの定量的評価のための自動的で正確な特徴点検出法を提案した。提案した方法は二段階から構成されている。初期特徴点検出のためのAAMを用いた。第二段階では,中心で検出点付きパッチ精密化のためのDCNNの入力として使用した。実験は,提案方法が従来のAAMの検出精度を大幅に改善できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 検出法 ,  *麻痺性疾患 ,  精密化 ,  前処理 ,  *畳込み ,  ニューラルネットワーク ,  ネットワーク ,  *顔面神経麻痺
準シソーラス用語： 検出精度 ,  アクティブ形状モデル ,  *特徴点 ,  *定量的評価 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 顔面神経麻ひ ,  定量的評価 ,  畳込み ,  特徴点