关于不同新型机器学习技术的叙事审查,用于从出生婴儿的哭泣中检测婴儿的病理
1Department of Electronics and Communication Engineering, Birla Institute of Technology Mesra, Ranchi, Jharkhand, India.
概括
本综述考察了50年来对分析婴儿哭声进行早期临床诊断的研究. 它强调信号处理,机器学习和神经网络模型用于病理性哭声分类.
科学领域:
- 医疗信号处理 医疗信号处理
- 婴儿健康诊断 婴儿健康诊断
- 机器学习应用程序 机器学习应用程序
背景情况:
- 婴儿病理的早期临床诊断至关重要.
- 婴儿的哭泣包含了重要的诊断信息.
- 分析病态的婴儿哭声带来了重大挑战.
研究的目的:
- 审查50年来对病态婴儿哭泣的研究,分析和分类.
- 涵盖呼叫信号采集,处理和分类技术.
- 为了确定未来的研究方向,强大的婴儿哭泣分析.
主要方法:
- 关于病态婴儿哭泣研究的综合文献综述.
- 分析信号处理技术 (预处理,特征提取,选择).
- 对传统和基于神经网络的机器学习分类器的审查.
主要成果:
- 实验结果的详细比较用于病理性哭声的识别和分类.
- 概述各种特征提取领域 (时间,光谱,波纹等). ) 的情况.
- 分类器性能总结,包括贝叶斯网络,SVM和CNN.
结论:
- 未来的研究应该集中在数据库准备和高级特征提取上.
- 建议开发非侵入性,强大的自动婴儿哭声分析模型.
- 神经网络分类器对改善病理性哭泣检测有希望.
