抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,客観的および定量的顔診断のための自動顔複合認識法の開発を試みた。TCM診断において,Ting,Jia,およびMingtangのような顔のいくつかの領域は,最も貴重な情報を提供することができるので,著者らは,顔の68のランドマークを決定するために,深い学習技術を使用して,関心領域(ROI)を分割するためにそれらの位置を使用する。多重色空間とテクスチャ特徴におけるカラーヒストグラムの統計的特性,口唇色特徴を次に紹介して,顔の複雑化を記述した。最後に,KNN,SVMおよびBPNNを含むいくつかの機械学習法を分類に用いた。著者らの方法の妥当性を検証するために,著者らは専門TCM医療施設から575の顔画像のデータセットを集めた。結果は,ROIのセグメンテーションのプロセスが,非セグメント化画像より高い精度を効率的に改良できることを示した。すべての3つの特徴を融合することによる提案方法は,既存の方法より高い91.03%の精度を達成して,顔の錯誤認識のために提案方法の有効性を証明した。顔画像の関心領域から特に複雑な特徴を抽出することは,非セグメンテーション画像から直接全体のコンプレッションを特徴づけるより高い分類精度を達成することを確認した。著者らは,顔色特徴が,TCM診断と一致するすべての使用された特徴の中で,複雑な分類のための最も重要な手がかりを提供することを示した。最後に,顔テクスチャ特徴および口唇色特徴を補完的手がかりとして使用でき,さらに複雑な分類精度を改善するために顔色特徴と融合したことを証明した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】