面向神经活动视频长期预测的多分辨率LSTM
计算机视觉与模式识别
2018-07-04 v2
摘要
癫痫发作由大脑中异常的、过度同步的电活动引起。异常电活动表现为波，在大脑中传播。准确预测这些波的传播速度与方向可实现实时响应性脑刺激，以完全抑制或预防发作。然而，该问题极具挑战性，因为算法必须能在足够长的时间范围内预测神经信号，以留出足够的医疗干预时间。我们探讨如何使用LSTM网络完成长期预测。为缓解梯度消失问题，我们提出了两种编码器-解码器-预测器结构，均使用多分辨率表示。具有多分辨率层的新型LSTM结构能以相似参数量显著优于单分辨率基准。为克服使用标准均方误差（MSE）损失的像素域视频预测所伴随的模糊效应，我们采用基于能量的对抗训练来改善长期预测。我们展示并分析了具有编码器-解码器结构的判别模型如何使用3D CNN模型改善长期预测。
引用
@article{arxiv.1705.02893,
title = {Multi Resolution LSTM For Long Term Prediction In Neural Activity Video},
author = {Yilin Song and Jonathan Viventi and Yao Wang},
journal= {arXiv preprint arXiv:1705.02893},
year = {2018}
}