一种机器学习方法对婴儿哭泣的生物医学声学特征进行分类
Gaurav Aggarwal1, Kavita Jhajharia2, Jaweria Izhar1
1Department of Information Technology and Engineering, Amity University in Tashkent, Uzbekistan.
概括
新生儿通过哭泣来传达需要. 这项研究开发了一个模型来区分与饥饿或不适有关的哭声,支持矢量机在分类婴儿发声方面表现最好.
科学领域:
- 婴儿与婴儿的沟通方式
- 生物声学是一种生物声学.
- 机器学习在医疗保健中的应用
背景情况:
- 新生儿主要通过哭泣来传达需要.
- 了解婴儿的哭声对于及时照顾至关重要,这对父母来说是一个挑战.
- 杜斯坦婴儿语言将哭泣分为五种基本需求:饥饿,发,疲劳,和不适.
研究的目的:
- 开发一种用于识别和分类婴儿哭声的自动化模型.
- 要区分婴儿的哭声表示饥饿与不适或疼痛.
- 评估各种机器学习模型对此分类任务的有效性.
主要方法:
- 提取光谱特征 (色谱,光谱中心等) 从婴儿哭泣的音频.
- 实施和比较四种分类算法:随机森林,支持向量机 (SVM),物流回归和决策树.
- 在标记的婴儿哭声数据上培训和测试模型.
主要成果:
- 与其他测试模型相比,支持矢量机模型在准确分类婴儿哭声方面表现出卓越的性能.
- 从哭声信号中提取的光谱特征是分类模型的有效输入.
- 这项研究成功地区分了与饥饿有关的哭声和表明不适的哭声.
结论:
- 机器学习,特别是SVM,可以有效地解释婴儿的哭声,以识别特定的需求,如饥饿或不适.
- 这项技术有可能帮助护理人员更迅速,更准确地应对婴儿的痛苦.
- 进一步的研究可以完善这些模型,以便在婴儿护理和健康监测方面得到更广泛的应用.
