CP-AGCN：基于 Pytorch 的注意力增强图卷积网络用于识别脑瘫风险婴儿
计算机视觉与模式识别
2022-09-08 v1 机器学习
图像与视频处理
摘要
早期预测在临床被视为脑瘫（CP）治疗的重要部分之一。我们提出基于全身运动评估（GMA）实现一个低成本且可解释的CP预测分类系统。我们设计了一个基于 Pytorch 的注意力增强图卷积网络，从 RGB 视频提取的骨骼数据中早期识别有 CP 风险的婴儿。我们还设计了一个频域分箱模块，用于在频域学习 CP 运动同时滤除噪声。我们的系统仅需消费级 RGB 视频进行训练，通过提供可解释的 CP 分类结果来支持交互式实时 CP 预测。
引用
@article{arxiv.2209.02824,
title = {CP-AGCN: Pytorch-based Attention Informed Graph Convolutional Network for Identifying Infants at Risk of Cerebral Palsy},
author = {Haozheng Zhang and Edmond S. L. Ho and Hubert P. H. Shum},
journal= {arXiv preprint arXiv:2209.02824},
year = {2022}
}