FaceDig: автоматизация разметки ориентиров на лицах для морфометрических исследований

FaceDig: автоматизация разметки ориентиров на лицах для морфометрических исследований

Интересное сегодня

Дефицит дофамина: скрытая причина депрессии и как его воспол...

Дофамин: неожиданный виновник депрессии? В последние годы дофамин оказался в центре внимания, и не в...

Что такое брекетинг в качественных исследованиях: методы и п...

Что такое брекетинг в качественных исследованиях? Брекетинг (также известный как эпохэ или феноменол...

Прогрессивная мышечная релаксация (ПМР) для борьбы с тревого...

Прогрессивная мышечная релаксация для борьбы с тревогой Прогрессивная мышечная релаксация (ПМР) — эт...

Нейронные паттерны восприятия звуков при локализации в динам...

Введение Определение местоположения стимула является ключевой функцией в сенсорной обработке и широк...

Влияние проблем с грудным вскармливанием на психическое здор...

ВведениеПольза грудного вскармливания для матерей и детей была широко задокументирована. Всемирная о...

Когнитивная нагрузка при переключении между эгоцентрическими...

Введение В повседневной жизни мы постоянно переключаемся между эгоцентрическими (основанными на теле...

Рисунок 1: Схема расположения ориентиров на лице
Рисунок 1: Схема расположения ориентиров на лице
Рисунок 2: Архитектура модели FaceDig
Рисунок 2: Архитектура модели FaceDig
Рисунок 3: Структура CNN-модуля
Рисунок 3: Структура CNN-модуля
Рисунок 4: Сравнение автоматической и ручной разметки
Рисунок 4: Сравнение автоматической и ручной разметки
Рисунок 5: Влияние возраста на точность
Рисунок 5: Влияние возраста на точность
Рисунок 6: Распределение ошибок позиционирования
Рисунок 6: Распределение ошибок позиционирования
Thumbnail 1
Thumbnail 2
Thumbnail 3
Thumbnail 4
Thumbnail 5
Thumbnail 6
Оригинал исследования на сайте автора

Введение в геометрическую морфометрию лиц

Разметка ориентиров — ключевой этап геометрической морфометрии, позволяющий количественно анализировать форму биологических структур, таких как кости или мягкие ткани лица. Традиционные ориентиры соответствуют четким анатомическим точкам, а полуориентиры (скользящие точки) используются там, где точное определение локализации затруднено.

Проблемы ручной разметки

  • Трудоемкость: ручное нанесение сотен точек требует значительного времени
  • Субъективность: вариативность между исследователями снижает воспроизводимость
  • Ограничения существующих инструментов: многие конфигурации ориентиров разработаны для психологических экспериментов, а не для биометрики

Решение: FaceDig

Мы представляем FaceDig — ИИ-инструмент для автоматической разметки 72 ориентиров на фронтальных фотографиях лиц. Его особенности:

Точность на уровне эксперта с воспроизводимостью 0.97 по данным Procrustes-анализа

Технические преимущества

  • Открытый исходный код (facedig.org)
  • Совместимость с TpsDig2 и аналитическими платформами (R/Python)
  • Двухэтапная архитектура: грубая проекция + CNN-уточнение

Методология

Обучение проводилось на 3,937 этнически разнообразных фотографиях. Архитектура включает:

1. Грубая проекция

Использование MediaPipe для первичного определения 239 ориентиров с последующей линейной проекцией в целевую 72-точечную систему.

2. CNN-уточнение

Для каждого ориентира применялся ансамбль из 6 сверточных сетей, анализирующих изображение в разных масштабах (32-72 пикселя). Потери рассчитывались через Wing Loss.

Результаты тестирования

Сравнение автоматической (FDG) и ручной коррекции (HC) показало:

Метрика Значение
Корреляция по дистинктивности r=0.94 (p<0.001)
Корреляция по асимметрии r=0.92 (p<0.001)

Практическое применение

FaceDig особенно полезен для:

  • Анализа исторических фотоархивов
  • Кросс-культурных исследований
  • Работы с большими базами данных (паспорта, соцсети)

Ограничения и перспективы

Текущая версия работает только с фронтальными изображениями. В разработке — поддержка профильных снимков и улучшенная обработка возрастных изменений.

Короткие версии статей можно найти в телеграм-канале.

Посмотреть канал
Кликните еще раз для перехода