新生儿疼痛语音情绪识别基于横向和垂直的Sparse Mask 时间频率变压器网络
Jingjie Yan1, Wenjing Sun1, Boyan Sun1
1Nanjing University of Posts and Telecommunications, Nanjing 210003, China.
Computers in biology and medicine
|September 18, 2025
概括
这项研究引入了一个新的新生儿疼痛语音 (NPS) 数据库和一个HVSMTNet模型. 这项研究表明,通过语言识别新生儿疼痛的可行性,优于现有方法.
科学领域:
- 医学研究 医学研究
- 人工智能的人工智能
- 语音处理 语音处理
背景情况:
- 新生儿疼痛评估至关重要,但具有挑战性.
- 现有的方法缺乏专门的新生儿疼痛语音数据.
- 准确的疼痛识别有助于临床决策.
研究的目的:
- 建立一个全面的新生儿疼痛语言 (NPS) 数据库.
- 开发一个先进的新生儿疼痛语言情绪识别模型.
- 为了区分疼痛引起的哭声与其他发声.
主要方法:
- 创建了NPS数据库,其中包括四个类别 (严重疼痛,轻度疼痛,哭泣,平静) 的461个样本.
- 关于横向和垂直散射面罩时间频变压器网络 (HVSMTNet) 的建议.
- 在时间域和频域变压器内实施稀疏掩护机制.
主要成果:
- 该NPS数据库是有效的区分与疼痛相关的哭声.
- 与主流方法相比,HVSMTNet实现了更高的认可率.
- 在CASIA数据库中,HVSMTNet表现出强大的性能.
结论:
- 语音分析是一种可行的新生儿疼痛检测方法.
- 国家公共服务数据库和HVSMTNet模型代表了该领域的重大进步.
- 这项工作为临床新生儿护理提供了宝贵的工具.
