【ICCV 2019 Workshop】Conditional Recurrent Flow: Conditional Generation of Longitudinal Samples with Applications to Neuroimaging， 威斯康星大学 Seong Jae Hwang

报告主题：Conditional Recurrent Flow: Conditional Generation of Longitudinal Samples with Applications to Neuroimaging

报告摘要：纵向图像采集在各种科学和生物医学研究中很常见，在这些研究中，每个图像序列样本通常也可能与各种次级（固定或时间相关）测量结果一起出现。关键目标不仅要估计给定纵向数据的深度生成模型的参数，而且还要能够评估所生成的纵向样本的时间过程如何影响（二次）时间测量（或事件）中的诱导变化。我们提出的公式结合了递归子网和时间上下文选通，它们在生成的数据的时间序列中提供了平滑的过渡，可以轻松地通过次级时间条件变量来告知或调制这些序列。我们表明，尽管在这些应用中常见的样本量较小，但该制剂仍能很好地发挥作用。我们的模型在两个视频数据集和一个纵向阿尔茨海默氏病（AD）数据集上得到了验证，可以对生成的样本进行定量和定性评估。此外，使用我们生成的纵向图像样本，我们表明我们可以捕获大脑中的病理进展，结果证明与现有文献一致

邀请嘉宾：Seong Jae Hwang，匹兹堡大学计算机科学系的助理教授，任职于威斯康星大学麦迪逊分校。 研究兴趣是医学成像，计算机视觉和机器学习。