MADUV：首个INTERSPEECH小鼠自闭症通过超声声音检测挑战
声音
2025-06-03 v3 人工智能
机器学习
音频与语音处理
摘要
小鼠自闭症谱系障碍检测通过超声声音（MADUV）挑战引入了首个INTERSPEECH挑战，旨在通过小鼠的声音检测自闭症谱系障碍（ASD）。参赛者需开发模型，自动对小鼠进行分类，区分为野生型或ASD模型，基于高采样率的录音。我们的基线系统采用基于三种不同频谱图特征的简单CNN分类。结果表明，自动化ASD检测的可行性，所考虑的可听范围特征在分段级别（UAR为0.600）和受体级别（UAR为0.625）分类中取得最佳性能。这一挑战桥接了语音技术与生物医学研究，为通过机器学习方法深化对ASD模型的理解提供了机遇。研究发现表明，声音分析的前景方向值得期待，并凸显了可听声音和超声声音在ASD检测中的潜在价值。
引用
@article{arxiv.2501.04292,
title = {MADUV: The 1st INTERSPEECH Mice Autism Detection via Ultrasound Vocalization Challenge},
author = {Zijiang Yang and Meishu Song and Xin Jing and Haojie Zhang and Kun Qian and Bin Hu and Kota Tamada and Toru Takumi and Björn W. Schuller and Yoshiharu Yamamoto},
journal= {arXiv preprint arXiv:2501.04292},
year = {2025}
}
备注
5 pages, 1 figure and 2 tables. Submitted to INTERSPEECH 2025. For MADUV Challenge 2025