基于双流神经网络与线性链条件随机场的胚胎发育阶段分类
计算机视觉与模式识别
2021-07-15 v1
摘要
胚胎的发育过程遵循单调顺序。胚胎可从一个细胞逐步卵裂为多个细胞，最终转变为桑葚胚和囊胚。对于胚胎的延时视频，大多数现有发育阶段分类方法在每个时间步使用单帧图像进行逐帧预测。然而，仅使用图像分类会受到细胞重叠和阶段不平衡的困扰。时间信息通过捕捉相邻帧间的运动，在解决该问题中具有价值。本工作中，我们提出一种用于发育阶段分类的双流模型。与先前方法不同，我们的双流模型同时接收时间和图像信息。我们在从时间和图像流提取的神经网络特征之上构建了线性链条件随机场 (CRF)，以利用两种模态。线性链 CRF 公式使得对多帧全局序列模型的可处理训练成为可能，同时也能够将单调发育顺序约束显式注入学习过程。我们在两个延时胚胎视频数据集上验证了算法：i) 小鼠和 ii) 人类胚胎数据集。我们的方法在小鼠和人类胚胎阶段分类上分别达到 98.1% 和 80.6%。我们的方法将支持更深入的临床和生物学研究，并提出了利用时间信息进行发育阶段分类的新方向。
引用
@article{arxiv.2107.06360,
title = {Developmental Stage Classification of Embryos Using Two-Stream Neural Network with Linear-Chain Conditional Random Field},
author = {Stanislav Lukyanenko and Won-Dong Jang and Donglai Wei and Robbert Struyven and Yoon Kim and Brian Leahy and Helen Yang and Alexander Rush and Dalit Ben-Yosef and Daniel Needleman and Hanspeter Pfister},
journal= {arXiv preprint arXiv:2107.06360},
year = {2021}
}
备注
8.5 pages, to appear in MICCAI 2021