二维码(扫一下试试看!) | 基于生成对抗网络的细胞形变动态分类 | Classification of Cell Deformation Dynamics Based on Generative Adversarial Networks | 投稿时间:2018-10-20 | DOI:10.15918/j.tbit1001-0645.2019.s1.006 | 中文关键词:细胞时序动态细胞形变生成对抗网络分类器辅助生成对抗网络 | English Keywords:cell temporal dynamicscell deformationgenerative adversarial networksauxiliary classifier GANs | 基金项目: | | 摘要点击次数:4163 | 全文下载次数:331 | 中文摘要: | 提出了一种基于生成对抗网络的细胞形变动态分类方法,以活细胞视频中的细胞形变动态为对象,引入分类器辅助的生成对抗网络结构同步训练生成对抗网络和分类网络,通过生成对抗网络产生的数据提高了原本分类网络分辨细胞形变动态的性能.首先,细胞动态图像被用于将活细胞视频中的时间维度进行压缩,使其从视频域映射到图像域以方便生成对抗网络的构建.其次,基于分类器辅助的生成对抗网络结构,将分类网络的分类信息作为辅助信息来改善生成对抗网络对多类样本的生成,同时生成网络生成的多类样本可以反过来优化分类网络对于细胞动态形变的分类性能.在构建的活细胞视频数据库上,可以验证提出方法能有效地捕获细胞视频中的空时细胞形变动态,并且其分类的性能优于其它主流方法. | English Summary: | A generative adversarial networks (GANs) based model was proposed to classify cell deformation dynamics. In the framework, an auxiliary classifier GANs (AC-GANs) were introduced to simultaneously train GANs and a classification network for cell deformation dynamics in live-cell videos. The generated samples from GANs could further enhance the performance of the original classification network. To facilitate application of GANs, cell dynamic image was used to encapsulate the cell dynamics in videos along the temporal dimension, making the cell dynamics information mapped from video area to image area for the construction of the GANs. Then, the classification information was employed in AC-GANs to improve the generation of multi-class samples for GANs, and these multi-class samples could enhance the performance of classification net for improving the cell dynamic deformation. Experimental results demonstrate that the proposed pipeline can effectively capture the spatio-temporal cell dynamics from the raw live-cell videos and outperforms existing methods on the live-cell database. | 查看全文查看/发表评论下载PDF阅读器 | |
庞枫骞,刘志文,时永刚.基于视频特征聚合的细胞形变动态建模[J].北京理工大学学报(自然科学版),2019,39(S1):38~42.PANGFeng-Qian,LIUZHI-WEN,SHIYong-Gang.AnalyzingTemporalDynamicsofCellDeformationwit ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21程坤,时永刚,李依桐,刘志文.基于生成对抗网络的海马子区图像分割[J].北京理工大学学报(自然科学版),2019,39(S1):159~163.CHENGKun,SHIYong-gang,LIYi-tong,LIUZhi-wen.ImageSegmentationofHippocampalSubfi ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21诸云,王建宇,杨莹,刘博航.城市道路交通拥堵的模糊神经网络评析[J].北京理工大学学报(自然科学版),2018,38(5):487~492.ZHUYun,WANGJian-yu,YANGYing,LIUBo-hang.FuzzyEvaluationofUrbanTrafficCongestionBa ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21王向周,张新,郑戍华.基于人工神经网络动态标定算法的低成本视线追踪系统[J].北京理工大学学报(自然科学版),2018,38(12):1263~1268.WANGXiang-zhou,ZHANGXin,ZHENGShu-hua.ALow-CostEye-GazeTrackingSystemBased ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21.北京理工大学学报2018年总目次(第38卷)[J].北京理工大学学报(自然科学版),2018,38(12):1321~1338..[J].TransactionsofBeijingInstituteofTechnology,2018,38(12):1321-1338.二维码(扫一下试试看!)北京理 ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21郑凤,陈艺戬.基于多径的双极化信道信息反馈方法[J].北京理工大学学报(自然科学版),2017,37(4):365~370.ZHENGFeng,CHENYi-jian.CSIFeedbackBasedonMulti-PathsInformationinDual-PolarizedMIMOSystem ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21柴宝仁,谷文成,韩金库.基于混沌粒子群算法的AdHoc网络优化研究[J].北京理工大学学报(自然科学版),2017,37(4):381~385.CHAIBao-ren,GUWen-cheng,HANJin-ku.ResearchonAdHocNetworkOptimizationBasedonCha ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21同钊,李兵兵,惠永涛.蜂窝与D2D混合网络中的无线资源分配[J].北京理工大学学报(自然科学版),2017,37(4):396~400,429.TONGZhao,LIBing-bing,HUIYong-tao.RadioResourceAllocationforCellularandDevice-t ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21张真宁,孙华飞,韩希武,曹丽梅.晶粒直径的信息几何结构[J].北京理工大学学报(自然科学版),2017,37(4):436~440.ZHANGZhen-ning,SUNHua-fei,HANXi-wu,CAOLi-mei.TheInformationGeometricStructuresoftheS ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21韩晓冬,高飞,王爱华.NDN协议下的网络编码传输性能研究[J].北京理工大学学报(自然科学版),2017,37(5):506~510.HANXiao-dong,GAOFei,WANGAi-hua.NetworkCodingTransmissionPerformanceUndertheNDNProto ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21
| |