Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Model Evaluation as Approach to Predict a Diagnosis Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Identifying Down Syndrome Cases by Combined Use of Face Recognition Methods

verfasst von : Vlad Dima, Anca Ignat, Cristina Rusu

Erschienen in: Soft Computing Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Down syndrome is a chromosomal disorder, people affected by this disease having very specific facial characteristics. In this paper we adapt some well-known face recognition methods (Local Binary Patterns, Eigenfaces) and test their ability to distinguish between a Down syndrome face and a normal one in digital images. For classification kNN (k Nearest Neighbor) and Support Vector Machines (SVM) with polynomial kernel of third degree and Radial Basis Function (RBF) are employed. We test the methods using FERET, CAS-PEAL, LFW, AT&T for normal face images and a collection of Down faces gathered from the Internet. Accuracy, precision, recall and specificity are computed in order to evaluate the classification results.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Parallel Approach on Airport Runways Detection Using MPI and CImg
Nächstes Kapitel Iris Recognition Using Color and Texture Features
Literatur
1.
Jones, K.L., Jones, M.C., del Campo, M.: Smith’s Recognizable Patterns of Human Malformation, 7th edn, pp. 7–13. Elsevier Saunders, Philadelphia (2013)
2.
Cassidy, S., Allanson, J.: Management of Genetic Syndromes, 3rd edn, pp. 309–335. Wiley Blackwell, New York (2010)CrossRef
3.
Zhao, W., Chellappa, R.P., Phillips, P.J., Rosenfeld, A.: Face recognition: a literature survey. ACM Comput. Surv. 35(4), 399–458 (2003)CrossRef
4.
Jafri, R., Arabnia, H.R.: A survey of face recognition techniques. JIPS 5(2), 41–68 (2009)
5.
Boehringer, S., Guenther, M., Sinigerova, S., Wurtz, R.P., Horsthemke, B., Wieczorek, D.: Automated syndrome detection in a set of clinical facial photographs. Am. J. Med. Genet. A. 155A(9), 2161–2169 (2011)CrossRef
6.
Zhao, Q., Okada, K., Rosenbaum, K., Zand, D.J., Sze, R., Summar, M., Linguraru, M.G., Mori, K., Sakuma, I., Sato, Y., Barillot, C., Navab, N.: Hierarchical constrained local model using ICA and its application to down syndrome detection. In: Proceedings of MICCAI 2013, Part II: 16th Int. Conf. Nagoya, Japan, September 22–26, pp. 222–229 (2013)
7.
Zhao, Q., Rosenbaum, K., Sze, R., Zand, D.J., Summar, M., Linguraru, M.G.: Automated Down syndrome detection using facial photographs. In: 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), Osaka, pp. 3670–3673 (2013)
8.
Zhao, Q., Rosenbaum, K., Okada, K., Zand, D.J., Sze, R., Summar, M., Linguraru, M.G.: Down syndrome detection from facial photographs using machine learning techniques. In: SPIE Medical Imaging, Medical Imaging 2013: Computer-Aided Diagnosis, pp. 867003–867003, 28 February 2013
9.
Saraydemir, Ş., Taşpınar, N., Eroğul, O., Kayserili, H., Dinçkan, N.: Down syndrome diagnosis based on gabor wavelet transform. J. Med. Syst. 36(5), 3205–3213 (2012)CrossRef
10.
Phillips, P.J., Wechsler, H., Huang, J., Rauss, P.: The FERET database and evaluation procedure for face recognition algorithms. Image Vis. Comput. J. 16(5), 295–306 (1998)CrossRef
11.
Gao, W., Cao, B., Shan, S., Chen, X., Zhou, D., Zhang, X., Zhao, D.: The CAS-PEAL large-scale chinese face database and baseline evaluations. IEEE Trans. Syst. Man. Cybern. (Part A) 38(1), 149–161 (2008)CrossRef
12.
Huang, G.B., Ramesh, M., Berg, T., Learned-Miller, E.: Labeled faces in the wild: a database for studying face recognition in unconstrained environments. University of Massachusetts, Amherst, Technical Report 07–49, October 2007
13.
Turk, M.A., Pentland, A.P.: Face recognition using eigenfaces. Computer vision and pattern recognition. In: Proceedings CVPR 1991, pp. 586–591 (1991)
14.
Ojala, T., Pietikainen, M., Maenpaa, T.: Multiresolution gray scale and rotation invariant texture classification with local binary patterns. IEEE Trans. Pattern Anal. Mach. Intell. 24(7), 971–987 (2002)CrossRefMATH
15.
Ahonen, T., Hadid, A., Pietikainen, M.: Face description with local binary patterns: application to face recognition. IEEE Trans. Pattern Anal. Mach. Intell. 28(12), 2037–2041 (2006)CrossRefMATH
16.
Mallat, S.: A Wavelet Tour of Signal Processing. Academic Press, Cambridge (2008)MATH
17.
Samaria, F.S., Harter, A.C.: Parameterisation of a stochastic model for human face identification. In: Proceedings of the Second IEEE Workshop on Applications of Computer Vision, 1994, Sarasota, FL, pp. 138–142 (1994)
18.
19.
Viola, P., Jones, M.J.: Rapid object detection using a boosted cascade of simple features. In: Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol. 1, pp. 511–518 (2001)
Metadaten
Titel
Identifying Down Syndrome Cases by Combined Use of Face Recognition Methods
verfasst von
Vlad Dima
Anca Ignat
Cristina Rusu
Copyright-Jahr
2018
Buch
Soft Computing Applications

Print ISBN: 978-3-319-62523-2

Electronic ISBN: 978-3-319-62524-9

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-62524-9_35