婴儿哭泣的进展 双语分类-方法,实施和应用:系统审查
Geofrey Owino1, Bernard Shibwabo1
1School of Computing and Engineering Sciences, Strathmore University, Nairobi, Kenya.
JMIR rehabilitation and assistive technologies
|March 31, 2025
概括
使用机器学习解释婴儿的哭声显示出更好的婴儿护理的希望. 然而,在数据隐私和这些先进的婴儿哭声分类系统的现实世界部署方面,仍然存在挑战.
科学领域:
- 信号处理 信号处理
- 机器学习 机器学习
- 婴儿健康 婴儿健康
背景情况:
- 婴儿的哭声对于沟通至关重要,但传统的解释是主观的,而且很慢.
- 精确的哭声分析可以提供对婴儿健康和需求的重要见解.
- 及时和准确的反应对于婴儿的福祉和照顾至关重要.
研究的目的:
- 系统地审查24年来婴儿哭声分类的进展.
- 分析婴儿哭声分析的方法,覆盖范围,部署和应用.
- 确定婴儿哭声信号处理的趋势和未来方向.
主要方法:
- 在9个电子数据库中进行了系统的文献审查.
- 选了5904个结果,选择了126个符合条件的研究.
- 使用Cochrane RoB2和TRIPOD指南评估研究质量.
主要成果:
- 自2019年以来,机器学习,深度学习和混合模型已经推进了婴儿哭声的分类.
- 它们的共同特征包括Mel频率的 cepstral 系数和光谱图.
- 大多数模型仍然未部署;对无声化和联合学习的使用有限.
结论:
- 婴儿哭泣分类演变为ML,但缺乏对隐私和部署的关注.
- 未来的研究应该标准化多式联网方法,并纳入数据保密的联合学习.
- 拟议的消噪层和更广泛的音频功能将提高模型的准确性和适用性.
