婴儿吸模式识别使用机器学习计算建模.
Abdullahi Olapojoye1, Abhishek Singh1, Eri Nishi2
1Department of Mechanical Engineering, University of Texas at Dallas, Richardson, TX 75080.
概括
这项研究引入了一种新的方法,使用人工乳头传感器和机器学习来分析婴儿在母乳养期间的吸模式. 这种方法可以准确地识别不健康的吸行为,有助于早期干预,以改善婴儿营养.
科学领域:
- 生物医学工程 生物医学工程
- 儿科 儿科 儿科
- 机器学习 机器学习
背景情况:
- 哺乳需要协调吸,吞和呼吸,以获得婴儿的营养.
- 实时评估婴儿的牛奶摄入量和吸奶能力是一项挑战.
- 目前的临床评估依赖于主观的专业判断.
研究的目的:
- 开发和验证一种新的客观方法,用于识别婴儿在母乳养期间吸模式.
- 利用传感器数据和机器学习来早期检测低于最佳的吸行为.
- 为临床医生提供决策支持工具,以改善婴儿养评估.
主要方法:
- 收集了婴儿的时间序列数据,使用基于人工乳头的传感器测量舌力.
- 应用机器学习计算建模 (MLCM) 算法来分析传感器数据.
- 开发了一个分类系统来识别婴儿独特的吸模式.
主要成果:
- 最好的MLCM模型实现了90%的准确性,80%的回忆,100%的精度,0.90的f1得分和0.80的AUC.
- 该系统有效地提取了特征,并确定了明显的吸入模式.
- 证明了使用传感器技术和ML用于婴儿吸分析的可行性.
结论:
- 拟议的基于传感器的MLCM系统提供了一种可靠,客观的方法来评估婴儿吸模式.
- 这项技术可以作为临床医生有价值的决策支持工具.
- 早期识别不健康的吸模式可以导致及时干预和改善婴儿健康结果.
更多相关视频
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
11.4K
06:19Author Spotlight: Implications of Non-Nutritive Sucking on Speech Emergence and Infant Development
Published on: April 19, 2024
1.2K
