使用双流时空融合网络自动分类婴儿全身运动
计算机视觉与模式识别
2022-07-08 v1 图像与视频处理
摘要
婴儿全身运动 (GM) 评估是神经发育障碍早期诊断中的有用工具。然而,其在临床实践中的评估依赖专家的视觉检查,自动化解决方案亟待出现。近来,基于视频的 GMs 分类受到关注,但该方法会受无关信息的强烈影响,如视频中的背景杂波。此外,为可靠性起见,有必要妥善提取婴儿在 GMs 期间的时空特征。在本研究中,我们提出一种自动化 GMs 分类方法,其由预处理网络(从 GMs 视频中去除不必要背景信息并调整婴儿身体位置)以及基于双流结构的后续运动分类网络组成。所提方法能高效提取 GMs 分类所需的关键时空特征,同时防止对不同录制环境中无关信息的过拟合。我们使用从 100 名婴儿获取的视频验证了所提方法。实验结果表明,所提方法优于若干基线模型与现有方法。
引用
@article{arxiv.2207.03344,
title = {Automated Classification of General Movements in Infants Using a Two-stream Spatiotemporal Fusion Network},
author = {Yuki Hashimoto and Akira Furui and Koji Shimatani and Maura Casadio and Paolo Moretti and Pietro Morasso and Toshio Tsuji},
journal= {arXiv preprint arXiv:2207.03344},
year = {2022}
}
备注
Accepted by MICCAI 2022