基于Hypernetworks的肌萎缩症识别：面向肌萎缩性肌萎缩症患者
机器学习
2025-03-05 v1 计算机视觉与模式识别
计算机与社会
摘要
肌萎缩性肌萎缩症(ALS)是一种渐进性神经退行性疾病，表现出多样的症状，包括言语可理解性下降。现有研究通过预测临床标准ALSFRS-R来识别ALS患者的肌萎缩症，依赖于特征提取策略和定制化卷积神经网络随密集层的设计。然而，近期研究表明，采用输入条件计算逻辑的神经网络具有诸多优势，包括更快的训练速度、更好的性能以及灵活性。为解决这些问题，我们提出首个采用hypernetworks进行肌萎缩症识别的研究。具体而言，我们使用音频文件，转换为log-Mel spectrogram、delta和delta-delta，并将其通过经过修改的预训练AlexNet模型。最后，我们使用hypernetwork生成用于目标网络的权重。我们在新收集的公开数据集VOC-ALS上进行实验。结果表明，所提出的方法在准确率上达到82.66%，显著优于包括多模态融合方法在内的强大基线；此外，消融研究表明，我们引入的方法有效性得到验证。总体而言，所提出的采用hypernetworks的方法在泛化能力、参数效率和鲁棒性方面相较于最新成果取得了宝贵的优势。
引用
@article{arxiv.2503.01892,
title = {Recognition of Dysarthria in Amyotrophic Lateral Sclerosis patients using Hypernetworks},
author = {Loukas Ilias and Dimitris Askounis},
journal= {arXiv preprint arXiv:2503.01892},
year = {2025}
}