HDC-X：面向嵌入式设备的高效医疗数据分类
机器学习
2026-03-24 v3
摘要
能源效率的医疗数据分类对于现代疾病筛查至关重要，尤其是在家庭和野场医疗环境中嵌入式设备普及的场景下。虽然深度学习模型实现了最先进的准确率，但其巨大的能源消耗和依赖 GPU 的特性限制了在此类平台上的部署。我们提出 HDC-X，一个为低功耗设备设计的轻量级分类框架。HDC-X 将数据编码为高维超向量，通过聚类生成多个聚类特定的原型，并在超空间中通过相似性搜索进行分类。我们在三个医疗分类任务上评估了 HDC-X；在心音分类任务中，HDC-X 比 Bayesian ResNet 高效 350 倍，准确率差异不足 1%。此外，HDC-X 在抗噪能力、有限训练数据和硬件错误方面表现出卓越的鲁棒性，得到理论分析和实证结果的支持，凸显了其在实际场景中可靠部署的潜力。代码已公开于 https://github.com/jianglanwei/HDC-X。
引用
@article{arxiv.2509.14617,
title = {HDC-X: Efficient Medical Data Classification for Embedded Devices},
author = {Jianglan Wei and Zhenyu Zhang and Pengcheng Wang and Mingjie Zeng and Zhigang Zeng},
journal= {arXiv preprint arXiv:2509.14617},
year = {2026}
}