通过机器学习自动检测和分类新生儿的哭泣

科学领域:

• 新生儿护理 新生儿护理
• 机器学习应用程序 机器学习应用程序
• 生物声学是一种生物声学.

背景情况:

• 了解新生儿的沟通对于及时的护理至关重要.
• 哭泣是婴儿表达需要的主要方法.
• 对婴儿哭泣的客观分析可能具有挑战性.

研究的目的:

• 开发一种机器学习 (ML) 模型,根据哭泣行为来预测新生儿的需求.
• 将婴儿的哭声分为六种基本的行为模式.
• 支持使用ML方法对新生儿哭泣的感知分析.

主要方法:

• 在12小时内从32名新生儿收集的实时音频数据.
• 音频信号用短时间里埃变换转化为光谱图.
• 深度卷积神经网络和用于分类的支向量机.

主要成果:

• 准确地分类六种不同的新生儿行为模式 (休息,饥饿,嗜睡,疼痛,发,痛苦).
• 在cry单元带时间分析中达到大约91.856%的相似性.
• 开发了一种适合临床使用的无接触和廉价系统.

结论:

• ML系统有效地预测和分类新生儿的哭泣行为和需求.
• 这项技术可以帮助医疗保健专业人员提供及时和适当的护理.
• 该系统的准确性和成本效益使其在常规临床实践中具有价值.