相关实验视频
Updated: Sep 17, 2025
06:34
Infant Auditory Processing and Event-related Brain Oscillations
Published on: July 1, 2015
16.5K
更深入地倾听:神经网络揭示了早产婴儿哭泣中的声学特征
Yuta Shinya1, Taiji Ueno2, Masahiko Kawai3
1Graduate School of Education, The University of Tokyo, Tokyo, Japan. shinya@p.u-tokyo.ac.jp.
Scientific reports
|July 2, 2025
概括
对婴儿哭泣的深度学习分析揭示了妊娠年龄的变化. 分析整个Mel光谱的这一突破可以帮助早产婴儿早期发现神经发育问题.
科学领域:
- 新生儿研究新生儿研究
- 发育神经科学的发展神经科学.
- 计算审计处理计算审计处理.
背景情况:
- 婴儿哭泣的声学提供了对神经发育的洞察.
- 非典型的哭泣特征与早产和其他疾病有关.
- 之前的研究分析了有限的声学特征,阻碍了全面的理解.
研究的目的:
- 评估婴儿哭泣的整个Mel光谱图是否可以使用卷积神经网络捕捉妊娠年龄 (GA) 变化.
- 为了确定深度学习模型是否能够准确地从婴儿的哭声中分类和估计GA.
- 为了确定与GA相关的哭泣中的特定光谱时间特征.
主要方法:
- 利用卷积神经网络 (CNN) 来分析婴儿哭泣的Mel谱图.
- 包括79名早产婴儿和52名满期新生儿的数据.
- 采用Grad-CAM和光谱图操纵来解释CNN的发现.
主要成果:
- 美国CNN模型在分类妊娠组 (92.4%) 中取得了高准确性.
- CNN模型准确估计了连续的GA差异 (r=0.73,p<0.0001),表现优于之前的研究.
- GA变化主要反映在时间结构,特别是发声开始和偏移区域.
结论:
- 通过深度学习进行全Mel光谱分析,可以有效地捕捉婴儿哭泣的GA变化.
- 哭泣的光谱时间特征为早产婴儿的非典型神经发育提供了宝贵的见解.
- 这种方法有可能在临床实践中增强早期检测和干预策略.
更多相关视频
05:35Experience is Instrumental in Tuning a Link Between Language and Cognition: Evidence from 6- to 7- Month-Old Infants' Object Categorization
Published on: April 19, 2017
6.8K
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.1K
