面向脑性瘫痪检测的轻量级神经网络搜索
计算机视觉与模式识别
2025-06-18 v1
摘要
已知神经疾病脑性瘫痪 (CP) 首先在婴儿或幼儿时期表现为运动协调和身体运动的持久影响。CP 是儿童残疾的主要原因之一，早期检测对于提供适当治疗至关重要。然而，这种检测依赖于由训练有素的医学专家进行评估，如常规运动评估 (GMA)。这些方法在发展中国家并不广为人知。传统机器学习方法在 CP 检测任务上提供有限的预测性能，且由少数可用领域专家开发的方法通常针对特定数据集，限制了其在这些方法创建之 context 之外的适用性。为解决这些挑战，我们提出了一种神经网络搜索 (NAS) 算法，应用强化学习更新方案，能够高效优化最佳架构和超参数组合，以发现最适合用于检测 CP 的最佳神经网络配置。我们的方法在真实世界的 CP 数据集上优于该领域其他方法，后者依赖大型集成。由于我们的做法更省资源且性能更好，特别适合在资源受限的环境中实施，包括农村或发展中国家，这些地方缺乏医学专家和所需的诊断工具。 resulting model 的轻量级架构和高效计算时间允许在处理能力有限的设备上部署，从而减少对昂贵基础设施的需求，可以整合到临床工作流程中，以为早期 CP 诊断提供及时且准确的支持。
引用
@article{arxiv.2409.20060,
title = {Lightweight Neural Architecture Search for Cerebral Palsy Detection},
author = {Felix Tempel and Espen Alexander F. Ihlen and Inga Strümke},
journal= {arXiv preprint arXiv:2409.20060},
year = {2025}
}