JP7189257B2 - 特定の顔面症候群を検出するための方法、装置、および、コンピュータ可読記憶媒体 - Google Patents
特定の顔面症候群を検出するための方法、装置、および、コンピュータ可読記憶媒体 Download PDFInfo
- Publication number
- JP7189257B2 JP7189257B2 JP2021067176A JP2021067176A JP7189257B2 JP 7189257 B2 JP7189257 B2 JP 7189257B2 JP 2021067176 A JP2021067176 A JP 2021067176A JP 2021067176 A JP2021067176 A JP 2021067176A JP 7189257 B2 JP7189257 B2 JP 7189257B2
- Authority
- JP
- Japan
- Prior art keywords
- key
- image
- detection
- facial
- trained
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/259—Fusion by voting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
ステップ102:顔画像の少なくとも1つのキー領域画像を決定すること、
ステップ103:顔画像を、トレーニングされたグローバル検出モデルに入力して、グローバル検出結果を取得すること、
ステップ104:少なくとも1つのキー領域画像を、トレーニングされたローカル検出モデルに入力して、少なくとも1つのローカル検出結果を取得すること、および、
ステップ105:グローバル検出結果と少なくとも1つのローカル検出結果に基づき、検出される対象が特定の顔面症候群を有する対象検出確率を決定すること。
検出される対象の顔画像を取得するための画像取得モジュール301と、
前記顔画像の少なくとも1つのキー領域画像を決定するためのキー領域モジュール302と、
前記顔画像を、トレーニングされたグローバル検出モデルに入力して、グローバル検出結果を取得するグローバル検出モジュール303と、
少なくとも1つの前記キー領域画像を、トレーニングされたローカル検出モデルに入力して、少なくとも1つのローカル検出結果を取得するためのローカル検出モジュール304と、
前記グローバル検出結果と少なくとも1つの前記ローカル検出結果に基づき、前記検出される対象が特定の顔面症候群を有する検出確率を決定するための対象検出モジュール305と、を備える。
検出される対象の顔画像を取得すること、前記顔画像の少なくとも1つのキー領域画像を決定すること、前記顔画像を、トレーニングされたグローバル検出モデルに入力して、グローバル検出結果を取得すること、少なくとも1つの前記キー領域画像を、トレーニングされたローカル検出モデルに入力して、少なくとも1つのローカル検出結果を取得すること、前記グローバル検出結果と少なくとも1つの前記ローカル検出結果に基づき、前記検出される対象が特定の顔面症候群を有する対象検出確率を決定すること、を少なくとも1つのプロセッサに実行させることができる。
検出される対象の顔画像を取得すること、前記顔画像の少なくとも1つのキー領域画像を決定すること、前記顔画像を、トレーニングされたグローバル検出モデルに入力して、グローバル検出結果を取得すること、少なくとも1つの前記キー領域画像を、トレーニングされたローカル検出モデルに入力して、少なくとも1つのローカル検出結果を取得すること、前記グローバル検出結果と少なくとも1つの前記ローカル検出結果に基づき、前記検出される対象が特定の顔面症候群を有する対象検出確率を決定することを実行させるように設定されている、特定の顔面症候群を検出する方法の不揮発性コンピュータ記憶媒体を提供する。
Claims (12)
- 特定の顔面症候群を検出するための方法であって、
検出される対象の顔画像を取得すること、
前記顔画像の少なくとも1つのキー領域画像を決定すること、
前記顔画像を、トレーニングされたグローバル検出モデルに入力して、グローバル検出結果を取得すること、
少なくとも1つの前記キー領域画像を、トレーニングされたローカル検出モデルに入力して、少なくとも1つのローカル検出結果を取得すること、および、
前記グローバル検出結果と少なくとも1つの前記ローカル検出結果に基づき、前記検出される対象が特定の顔面症候群を有する対象検出確率を決定すること、を含み、
前記顔画像の少なくとも1つのキー領域画像を決定することは、前記顔画像にキー特徴点を位置決めして、前記キー特徴点を基にして前記顔画像の少なくとも1つのキー領域を決定し、前記顔画像から少なくとも1つのキー領域画像を分割することを含み、前記キー領域画像は、目領域画像、鼻領域画像、口領域画像、下顎領域画像、額領域画像、耳領域画像のうちの1つまたは複数の指定された種類を含み、
前記方法は、前記顔画像にキー特徴点を位置決めした後、前記キー特徴点を基にして前記顔画像のキー輪郭曲率を計算し、前記キー輪郭曲率に基づいて前記検出される対象が特定の顔面症候群を有する検出確率を調整することを更に含み、
前記キー輪郭曲率に基づいて前記検出確率を調整することは、少なくとも1人の特定の顔面症候群を有する患者の前記キー輪郭曲率に基づいて基準曲率を予め取得し、前記検出される対象の前記キー輪郭曲率と前記基準曲率とを比較することで補充検出確率を取得し、前記補充検出確率に基づいて前記検出確率を調整することを更に含み、
前記キー輪郭曲率は、目輪郭曲率、鼻輪郭曲率、口輪郭曲率、下顎輪郭曲率、額輪郭曲率、耳輪郭曲率のうちの1つまたは複数を含む、ことを特徴とする方法。 - 前記トレーニングされたローカル検出モデルは、複数のトレーニングされたローカル検出ネットワークを含み、各ローカル検出ネットワークは、指定された種類のキー領域画像に対するローカル検出を行うために用いられ、
少なくとも1つの前記キー領域画像を、トレーニングされたローカル検出モデルに入力することは、各前記キー領域画像を前記ローカル検出モデルにおける対応する種類のローカル検出ネットワークに入力することを更に含む、ことを特徴とする請求項1に記載の方法。 - 前記グローバル検出モデルによって出力された前記グローバル検出結果は、N個のグローバル検出確率を含み、各前記ローカル検出ネットワークによって出力された前記ローカル検出結果は、N個のローカル検出確率を含み、前記N個のグローバル/ローカル検出確率は、前記N種類の特定の顔面症候群に一対一で対応し、前記Nが正整数である、ことを特徴とする請求項2に記載の方法。
- 前記グローバル検出結果と少なくとも1つの前記ローカル検出結果に基づき、前記検出される対象が特定の顔面症候群を有する対象検出確率を決定することは、
前記N種類の特定の顔面症候群のうちの各種類の特定の顔面症候群に対し、前記各種類の特定の顔面症候群に対応する前記グローバル検出確率と少なくとも1つの前記ローカル検出確率に基づいて、重み付け加算を行うことにより、前記検出される対象が前記各種類の特定の顔面症候群を有する対象検出確率を取得することを含む、ことを特徴とする請求項3に記載の方法。 - 検出される対象の顔画像を取得するステップの実行前に、
トレーニングサンプル集合から顔サンプル画像と、前記顔サンプル画像に対応する、前記特定の顔面症候群に対する疾患状況を示すためのトレーニングラベルと、を取得すること、
トレーニングされる第1のニューラルネットワークモデルを用いて前記顔サンプル画像を処理して、前記顔サンプル画像に対応するグローバルトレーニング検出結果を取得すること、
前記トレーニングラベルと前記グローバルトレーニング検出結果に基づき、前記トレーニングされる第1のニューラルネットワークモデルのシステム損失関数により、前記トレーニングされる第1のニューラルネットワークモデルのシステム損失値を計算すること、
前記システム損失値を基にして、前記トレーニングされる第1のニューラルネットワークモデルの重みを補正すること、および、
前記システム損失値が予め定められた条件を満足した場合、トレーニング済みの前記グローバル検出モデルを取得し、前記システム損失値が予め定められた条件を満足しない場合、前記トレーニングされる第1のニューラルネットワークモデルに対するトレーニングを継続すること、を更に含む、ことを特徴とする請求項1に記載の方法。 - 検出される対象の顔画像を取得するステップの実行前に、
トレーニングサンプル集合から指定された種類のキー領域サンプル画像と、前記キー領域サンプル画像に対応する、前記特定の顔面症候群に対する疾患状況を示すためのトレーニングラベルと、を取得すること、
トレーニングされる第2のニューラルネットワークを用いて前記キー領域サンプル画像を処理して、前記キー領域サンプル画像に対応するローカルトレーニング検出結果を取得すること、
前記トレーニングラベルと前記ローカルトレーニング検出結果に基づき、前記トレーニングされる第2のニューラルネットワークのシステム損失関数により、前記トレーニングされる第2のニューラルネットワークのシステム損失値を計算すること、
前記システム損失値を基にして、前記トレーニングされる第2のニューラルネットワークの重みを補正すること、および、
前記システム損失関数が予め定められた条件を満足した場合、トレーニング済みの、前記指定された種類のキー領域画像に対してローカル検出を行うための前記ローカル検出ネットワークを取得し、前記システム損失関数が予め定められた条件を満足しない場合、前記トレーニングされる第2のニューラルネットワークに対するトレーニングを継続すること、を更に含む、ことを特徴とする請求項2に記載の方法。 - 前記グローバル検出モデル及び/又は前記ローカル検出モデルは、残差ネットワークモデルに基づいて構築される、ことを特徴とする請求項1~6のいずれか1項に記載の方法。
- 前記検出される対象の顔画像に対して事前処理を行ってから、前記トレーニングされたグローバル検出モデルに入力すること、および、
前記少なくとも1つのキー領域画像に対して前記事前処理を行ってから、前記トレーニングされたローカル検出モデルに入力すること、を更に含み、
前記事前処理は、階調充填処理とサイズ圧縮処理を含み、
前記階調充填処理は、
前記キー領域画像が正方形の画像でなければ、前記キー領域画像の外側に対して階調充填を行うことで当該キー領域画像を正方形の画像にする処理である、ことを特徴とする請求項1に記載の方法。 - 前記特定の顔面症候群は、ダウン症候群及び/又はサラセミア顔面症候群を含む、ことを特徴とする請求項1に記載の方法。
- 特定の顔面症候群を検出するための装置であって、
検出される対象の顔画像を取得するための画像取得モジュールと、
前記顔画像の少なくとも1つのキー領域画像を決定するためのキー領域モジュールであって、具体的には、前記顔画像にキー特徴点を位置決めして、前記キー特徴点を基にして前記顔画像の少なくとも1つのキー領域を決定し、前記顔画像から少なくとも1つのキー領域画像を分割するためのキー領域モジュールと、
前記顔画像を、トレーニングされたグローバル検出モデルに入力して、グローバル検出結果を取得するためのグローバル検出モジュールと、
少なくとも1つの前記キー領域画像を、トレーニングされたローカル検出モデルに入力して、少なくとも1つのローカル検出結果を取得するためのローカル検出モジュールと、
前記グローバル検出結果と少なくとも1つの前記ローカル検出結果に基づき、前記検出される対象が特定の顔面症候群を有する検出確率を決定するための対象検出モジュールと、を備え、
前記装置は、さらに、前記顔画像にキー特徴点を位置決めした後、前記キー特徴点を基にして前記顔画像のキー輪郭曲率を計算し、前記キー輪郭曲率に基づいて前記検出される対象が特定の顔面症候群を有する検出確率を調整するために用いられ、
前記キー輪郭曲率に基づいて前記検出確率を調整することは、少なくとも1人の特定の顔面症候群を有する患者の前記キー輪郭曲率に基づいて基準曲率を予め取得し、前記検出される対象の前記キー輪郭曲率と前記基準曲率とを比較することで補充検出確率を取得し、前記補充検出確率に基づいて前記検出確率を調整することを更に含み、
前記キー領域画像は、目領域画像、鼻領域画像、口領域画像、下顎領域画像、額領域画像、耳領域画像のうちの1つまたは複数の指定された種類を含み、
前記キー輪郭曲率は、目輪郭曲率、鼻輪郭曲率、口輪郭曲率、下顎輪郭曲率、額輪郭曲率、耳輪郭曲率のうちの1つまたは複数を含む、ことを特徴とする装置。 - 特定の顔面症候群を検出するための装置であって、
少なくとも1つのプロセッサと、少なくとも1つのプロセッサと通信接続されるメモリと、を含み、メモリには、少なくとも1つのプロセッサによって実行されることができるインストラクションが記憶されており、インストラクションが少なくとも1つのプロセッサによって実行されることにより、
検出される対象の顔画像を取得すること、
前記顔画像にキー特徴点を位置決めして、前記キー特徴点を基にして前記顔画像の少なくとも1つのキー領域を決定し、前記顔画像から少なくとも1つのキー領域画像を分割することを含む、前記顔画像の少なくとも1つのキー領域画像を決定すること、
前記顔画像を、トレーニングされたグローバル検出モデルに入力して、グローバル検出結果を取得すること、
少なくとも1つの前記キー領域画像を、トレーニングされたローカル検出モデルに入力して、少なくとも1つのローカル検出結果を取得すること、
前記グローバル検出結果と少なくとも1つの前記ローカル検出結果に基づき、前記検出される対象が特定の顔面症候群を有する対象検出確率を決定すること、および、
前記顔画像にキー特徴点を位置決めした後、前記キー特徴点を基にして前記顔画像のキー輪郭曲率を計算し、前記キー輪郭曲率に基づいて前記検出される対象が特定の顔面症候群を有する検出確率を調整すること、を少なくとも1つのプロセッサに実行させることができ、
前記キー輪郭曲率に基づいて前記検出確率を調整することは、少なくとも1人の特定の顔面症候群を有する患者の前記キー輪郭曲率に基づいて基準曲率を予め取得し、前記検出される対象の前記キー輪郭曲率と前記基準曲率とを比較することで補充検出確率を取得し、前記補充検出確率に基づいて前記検出確率を調整することを更に含み、
前記キー領域画像は、目領域画像、鼻領域画像、口領域画像、下顎領域画像、額領域画像、耳領域画像のうちの1つまたは複数の指定された種類を含み、
前記キー輪郭曲率は、目輪郭曲率、鼻輪郭曲率、口輪郭曲率、下顎輪郭曲率、額輪郭曲率、耳輪郭曲率のうちの1つまたは複数を含む、ことを特徴とする装置。 - プログラムが記憶されており、前記プログラムがマルチコアプロセッサによって実行されると、請求項1~9のいずれか1項に記載の方法を前記マルチコアプロセッサに実行させる、ことを特徴とするコンピュータ可読記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010408194.4A CN111598867B (zh) | 2020-05-14 | 2020-05-14 | 用于检测特定面部综合征的方法、装置及计算机可读存储介质 |
CN202010408194.4 | 2020-05-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021179975A JP2021179975A (ja) | 2021-11-18 |
JP7189257B2 true JP7189257B2 (ja) | 2022-12-13 |
Family
ID=72192184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021067176A Active JP7189257B2 (ja) | 2020-05-14 | 2021-04-12 | 特定の顔面症候群を検出するための方法、装置、および、コンピュータ可読記憶媒体 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7189257B2 (ja) |
CN (1) | CN111598867B (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111209873A (zh) * | 2020-01-09 | 2020-05-29 | 杭州趣维科技有限公司 | 一种基于深度学习的高精度人脸关键点定位方法及系统 |
CN111932564B (zh) * | 2020-09-24 | 2021-03-02 | 平安科技(深圳)有限公司 | 图片识别方法、装置、电子设备及计算机可读存储介质 |
CN112200802B (zh) * | 2020-10-30 | 2022-04-26 | 上海商汤智能科技有限公司 | 图像检测模型的训练方法及相关装置、设备、存储介质 |
CN113033551A (zh) * | 2021-03-16 | 2021-06-25 | 北京嘀嘀无限科技发展有限公司 | 对象检测的方法、装置、设备和存储介质 |
CN112967798A (zh) * | 2021-03-22 | 2021-06-15 | 平安国际智慧城市科技股份有限公司 | 基于人脸面容的辅诊方法、装置、电子设备及存储介质 |
CN113705685B (zh) * | 2021-08-30 | 2023-08-01 | 平安科技(深圳)有限公司 | 疾病特征识别模型训练、疾病特征识别方法、装置及设备 |
CN114240954B (zh) * | 2021-12-16 | 2022-07-08 | 推想医疗科技股份有限公司 | 网络模型的训练方法及装置、图像分割方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008012773A (ja) | 2006-07-05 | 2008-01-24 | Konica Minolta Business Technologies Inc | 印刷装置、印刷システム及び印刷制御方法並びに印刷制御プログラム |
WO2012002047A1 (ja) | 2010-06-30 | 2012-01-05 | Necソフト株式会社 | 属性判定方法、属性判定装置、プログラム、記録媒体および属性判定システム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011084788A2 (en) * | 2009-12-21 | 2011-07-14 | Sherwin Hua | Insertion of medical devices through non-orthogonal and orthogonal trajectories within the cranium and methods of using |
KR20130072810A (ko) * | 2011-12-22 | 2013-07-02 | 삼성전자주식회사 | 초음파 영상을 이용하여 정중 시상면을 자동으로 검출하는 방법 및 그 장치 |
GB201320688D0 (en) * | 2013-11-22 | 2014-01-08 | Materialise Nv | System and method for constructing a statistical shape model |
JP6741750B2 (ja) * | 2015-07-29 | 2020-08-19 | ペルキネルマー ヘルス サイエンシーズ, インコーポレイテッド | 3d解剖画像における個々の骨格の骨の自動化されたセグメンテーションのためのシステムおよび方法 |
WO2017205903A1 (en) * | 2016-06-01 | 2017-12-07 | Vidi Pty Ltd | An optical measuring and scanning system and methods of use |
CN106384126B (zh) * | 2016-09-07 | 2019-05-24 | 东华大学 | 基于轮廓曲率特征点和支持向量机的服装款式识别方法 |
CN107066932A (zh) * | 2017-01-16 | 2017-08-18 | 北京龙杯信息技术有限公司 | 人脸识别中关键特征点的检测与定位方法 |
EP3432198B1 (en) * | 2017-07-19 | 2024-04-17 | Tata Consultancy Services Limited | Crowdsourcing and deep learning based segmenting and karyotyping of chromosomes |
CN109508685A (zh) * | 2018-11-23 | 2019-03-22 | 赵雷 | 基于人脸识别技术的电力通信调度方法 |
CN110136157B (zh) * | 2019-04-09 | 2021-03-26 | 华中科技大学 | 一种基于深度学习的三维颈动脉超声图像血管壁分割方法 |
CN110046595B (zh) * | 2019-04-23 | 2022-08-09 | 福州大学 | 一种基于级联式多尺度的密集人脸检测方法 |
-
2020
- 2020-05-14 CN CN202010408194.4A patent/CN111598867B/zh active Active
-
2021
- 2021-04-12 JP JP2021067176A patent/JP7189257B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008012773A (ja) | 2006-07-05 | 2008-01-24 | Konica Minolta Business Technologies Inc | 印刷装置、印刷システム及び印刷制御方法並びに印刷制御プログラム |
WO2012002047A1 (ja) | 2010-06-30 | 2012-01-05 | Necソフト株式会社 | 属性判定方法、属性判定装置、プログラム、記録媒体および属性判定システム |
Non-Patent Citations (2)
Title |
---|
Pushkar Shukla,外4名,"A deep learning frame-work for recognizing developmental disorders",2017 IEEE Winter Conference on Applications of Computer Vision,IEEE,2017年05月15日,pp. 705-714 |
Yaron Gurovich,外11名,"Identifying facial phenotypes of genetic disorders using deep learning",Nature Medicine,Vol. 25,2019年01月07日,pp. 60-64 |
Also Published As
Publication number | Publication date |
---|---|
CN111598867B (zh) | 2021-03-09 |
JP2021179975A (ja) | 2021-11-18 |
CN111598867A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7189257B2 (ja) | 特定の顔面症候群を検出するための方法、装置、および、コンピュータ可読記憶媒体 | |
CN109447183B (zh) | 预测模型训练方法、装置、设备以及介质 | |
Sahu et al. | FINE_DENSEIGANET: Automatic medical image classification in chest CT scan using Hybrid Deep Learning Framework | |
CN107945870B (zh) | 基于深度神经网络的早产儿视网膜病变检测方法及装置 | |
JP7462055B2 (ja) | 脳の磁気共鳴画像における白質高信号域の自動セグメント化のための方法およびシステム | |
CN111009324B (zh) | 脑网络多特征分析的轻度认知障碍辅助诊断系统及方法 | |
WO2021115084A1 (zh) | 一种基于结构磁共振影像的大脑年龄深度学习预测系统 | |
CN114999629B (zh) | 一种基于多特征融合的ad早期预测方法、系统、装置 | |
CN111657888A (zh) | 重度急性呼吸窘迫综合症预警方法及系统 | |
CN113782184A (zh) | 一种基于面部关键点与特征预学习的脑卒中辅助评估系统 | |
Sreelakshmy et al. | [Retracted] An Automated Deep Learning Model for the Cerebellum Segmentation from Fetal Brain Images | |
Chan et al. | Quasi-conformal statistical shape analysis of hippocampal surfaces for Alzheimer׳ s disease analysis | |
Thangavel et al. | EAD-DNN: Early Alzheimer's disease prediction using deep neural networks | |
CN116452593B (zh) | 血管性认知障碍的ai评估模型的构建方法、装置及系统 | |
CN114787816A (zh) | 针对机器学习方法的数据增强 | |
Hu et al. | Automatic placenta abnormality detection using convolutional neural networks on ultrasound texture | |
Mirchandani et al. | Comparing the Architecture and Performance of AlexNet Faster R-CNN and YOLOv4 in the Multiclass Classification of Alzheimer Brain MRI Scans | |
Kadam et al. | A cnn-rnn based approach for simultaneous detection, identification and classification of intracranial hemorrhage | |
CN114926396A (zh) | 一种精神障碍类磁共振图像初步筛查模型构建方法 | |
Yanar et al. | Clinical Decision Support for Early Diagnosis of Cardiomegaly by Using Deep Learning Techniques on Chest X-rays | |
Ding et al. | Dopamine transporter spect image classification for neurodegenerative parkinsonism via diffusion maps and machine learning classifiers | |
Tripathi et al. | Generating OCT B-Scan DME images using optimized Generative Adversarial Networks (GANs) | |
US20220334205A1 (en) | Detection of Bio-Markers in Functional MRI Scans | |
CN112766333B (zh) | 医学影像处理模型训练方法、医学影像处理方法及装置 | |
RU2811260C1 (ru) | Способ диагностики идиопатической нормотензивной гидроцефалии |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210412 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220420 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220426 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220721 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7189257 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |