基于注意力时空图卷积神经网络的细胞凋亡分类
Apoptosis classification using attention based spatio temporal graph convolution neural network
AI总结：
针对现有深度卷积神经网络忽略细胞间相互作用的问题，提出基于注意力时空图卷积网络，通过建模视频序列为图并考虑多目标细胞交互，实现细胞凋亡的准确分类。
摘要：
细胞凋亡的准确分类在细胞生物学研究中起着重要作用。目前有许多先进方法使用深度卷积神经网络进行细胞凋亡分类，但这些方法未考虑细胞间的相互作用。本文提出了一种基于注意力图时空图卷积网络的方法，根据视频中的目标细胞对细胞死亡进行分类。该方法考虑了每个时间戳上多个目标细胞之间的相互作用。我们将整个视频序列建模为一组图，并将视频中的目标细胞分类为死亡或存活。我们的方法同时处理了空间和时间关系。
英文摘要：
Accurate classification of apoptosis plays an important role in cell biology research. There are many state-of-the-art approaches which use deep CNNs to perform the apoptosis classification but these approaches do not account for the cell interaction. Our paper proposes the Attention Graph spatio-temporal graph convolutional network to classify the cell death based on the target cells in the video. This method considers the interaction of multiple target cells at each time stamp. We model the whole video sequence as a set of graphs and classify the target cell in the video as dead or alive. Our method encounters both spatial and temporal relationships.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
