计算机视觉来救援：从不一致标注中估计婴儿姿势对称性
计算机视觉与模式识别
2022-07-20 v1 图像与视频处理
摘要
双侧姿势对称性作为自闭症谱系障碍（ASD）的潜在风险标志以及婴儿先天性肌性斜颈（CMT）的症状起着关键作用，但当前的对称性评估方法需要繁重的临床专家评估。本文中，我们开发了一种基于计算机视觉的婴儿对称性评估系统，利用婴儿3D人体姿态估计。我们的系统针对真值评估的标定与评估因一项关于角度和对称性人类评分的调查发现而复杂化：此类评分表现出较低的评分者间可靠性。为纠正此问题，我们基于易错人类评分者的概率图模型开发了真值的贝叶斯估计器。我们表明，3D婴儿姿态估计模型在预测贝叶斯聚合标签时可达68%的受试者工作特征曲线下面积性能，而2D婴儿姿态估计模型仅61%、3D成人姿态估计模型仅60%，凸显了3D姿态与婴儿领域知识在评估婴儿身体对称性中的重要性。我们的调查分析还表明，人类评分易受更高水平的偏倚与不一致影响，因此我们的终极3D姿态基于对称性的评估系统以贝叶斯聚合人类评分为标定而非直接监督，从而产生更高的一致性与更低的肢体间评估偏倚。
引用
@article{arxiv.2207.09352,
title = {Computer Vision to the Rescue: Infant Postural Symmetry Estimation from Incongruent Annotations},
author = {Xiaofei Huang and Michael Wan and Lingfei Luan and Bethany Tunik and Sarah Ostadabbas},
journal= {arXiv preprint arXiv:2207.09352},
year = {2022}
}