中性粒细胞行为的生成式时空建模
计算机视觉与模式识别
2018-04-03 v1
摘要
细胞的运动与外观与细胞周期及疾病进展密切相关。机器学习中的许多当代工作利用时空模型预测细胞的物理状态，进而预测疾病进展。与之相对，生成式模型学习数据的底层分布，创建可用于学习的整体表示。本工作中，我们提出一种聚合模型，结合生成对抗网络（GAN）与自回归（AR）模型，以预测经微分干涉相差（DIC）显微镜成像的人中性粒细胞中的细胞运动与外观。我们通过利用 GAN 处理空间分量、AR 模型处理时间分量，来分叉学习任务中的细胞统计信息。所得聚合模型学习结果为研究大序列中细胞器形状、数量与空间分布的变化提供了一个有前景的计算环境。
引用
@article{arxiv.1804.00393,
title = {Generative Spatiotemporal Modeling Of Neutrophil Behavior},
author = {Narita Pandhe and Balazs Rada and Shannon Quinn},
journal= {arXiv preprint arXiv:1804.00393},
year = {2018}
}
备注
4 pages, Accepted to 2018 IEEE International Symposium on Biomedical Imaging