Estimating Remaining Lifespan from the Face

要約

顔は、人の生物学的年齢、性別、表現型、遺伝的欠陥、および健康状態を推測するために利用できる豊富な情報源です。
これらの要因はすべて、個人の残りの寿命を予測するのに関連しています。
この研究では、自然死した個人の 24,000 枚を超える画像 (ウィキデータ/ウィキペディアから) のデータセットと、画像が撮影されてからその人が亡くなるまでの年数を収集しました。
このデータセットを公開しました。
このデータに対して複数の畳み込みニューラル ネットワーク (CNN) モデルを微調整し、VGGFace を使用して、検証データで最大 8.3 年の平均絶対誤差を達成しました。
ただし、画像の時点で人物が若かった場合、モデルのパフォーマンスは低下します。
残りの寿命モデルの潜在的なアプリケーションを示すために、COVID-19 パンデミックによる平均寿命 (年単位) の推定と、健康介入による平均寿命の延長の予測に使用する例を示します。
減量など。
さらに、このようなモデルに関連付けられている倫理的な考慮事項について説明します。

要約(オリジナル)

The face is a rich source of information that can be utilized to infer a person’s biological age, sex, phenotype, genetic defects, and health status. All of these factors are relevant for predicting an individual’s remaining lifespan. In this study, we collected a dataset of over 24,000 images (from Wikidata/Wikipedia) of individuals who died of natural causes, along with the number of years between when the image was taken and when the person passed away. We made this dataset publicly available. We fine-tuned multiple Convolutional Neural Network (CNN) models on this data, at best achieving a mean absolute error of 8.3 years in the validation data using VGGFace. However, the model’s performance diminishes when the person was younger at the time of the image. To demonstrate the potential applications of our remaining lifespan model, we present examples of using it to estimate the average loss of life (in years) due to the COVID-19 pandemic and to predict the increase in life expectancy that might result from a health intervention such as weight loss. Additionally, we discuss the ethical considerations associated with such models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google