Fugu-MT 論文翻訳(概要): Infant Vocal Tract Development Analysis and Diagnosis by Cry Signals with CNN Age Classification

論文の概要: Infant Vocal Tract Development Analysis and Diagnosis by Cry Signals with CNN Age Classification

arxiv url: http://arxiv.org/abs/2104.11395v1
Date: Fri, 23 Apr 2021 03:09:16 GMT
ステータス: 処理完了
システム内更新日: 2021-04-26 12:53:18.879181
Title: Infant Vocal Tract Development Analysis and Diagnosis by Cry Signals with CNN Age Classification
Title（参考訳）: CNN年齢分類による乳幼児声道発達解析とCry信号による診断
Authors: Chunyan Ji and Yi Pan
Abstract要約: 本稿では,畳み込みニューラルネットワーク(CNN)による年齢分類による乳児の涙信号の非侵襲的利用法を提案する。方法の精度は, 健常者では79.20%, 窒息者では84.80%, 難聴者では91.20%である。
参考スコア（独自算出の注目度）: 3.205396037615997
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: From crying to babbling and then to speech, infant's vocal tract goes through anatomic restructuring. In this paper, we propose a non-invasive fast method of using infant cry signals with convolutional neural network (CNN) based age classification to diagnose the abnormality of the vocal tract development as early as 4-month age. We study F0, F1, F2, and spectrograms and relate them to the postnatal development of infant vocalization. A novel CNN based age classification is performed with binary age pairs to discover the pattern and tendency of the vocal tract changes. The effectiveness of this approach is evaluated on Baby2020 with healthy infant cries and Baby Chillanto database with pathological infant cries. The results show that our approach yields 79.20% accuracy for healthy cries, 84.80% for asphyxiated cries, and 91.20% for deaf cries. Our method first reveals that infants' vocal tract develops to a certain level at 4-month age and infants can start controlling the vocal folds to produce discontinuous cry sounds leading to babbling. Early diagnosis of growth abnormality of the vocal tract can help parents keep vigilant and adopt medical treatment or training therapy for their infants as early as possible.
Abstract（参考訳）: 泣き声からバブリング、そしてスピーチまで、幼児の声道は解剖学的再構成を経ている。本稿では,乳児の涙信号と畳み込み神経回路(CNN)を用いた年齢分類を用いて,声道発達異常を早期に4カ月前に診断する方法を提案する。 F0, F1, F2, およびスペクトログラムについて検討し, 乳児発声後の発達との関連について検討した。声道変化のパターンと傾向を明らかにするために,二元年齢ペアを用いて新しいcnnベースの年齢分類を行う。このアプローチの有効性は, 健康な乳幼児の泣き声と, 病理的な乳幼児の泣き声のデータベースで評価された。その結果,健常者では79.20%,窒息者では84.80%,難聴者では91.20%の精度が得られた。まず,乳児の声道は4か月で一定のレベルまで発達し,乳児は声帯を制御して不連続な泣き声を生じさせうることを明らかにした。声道の発育異常の早期診断は、親が警戒心を保ち、できるだけ早く乳幼児の医学的治療や訓練療法を採用するのに役立つ。

関連論文リスト

Detection of Children Abuse by Voice and Audio Classification by Short-Time Fourier Transform Machine Learning implemented on Nvidia Edge GPU device [0.0]
この実験は、機械学習を使って子供の声を分類し、認識する。子供が泣き叫んだり叫んだりすると、直ちに関連する職員に警告が送られる。
論文参考訳（メタデータ） (2023-07-27T16:48:19Z)
AuE-IPA: An AU Engagement Based Infant Pain Assessment Method [6.164525897414842]
幼児期の痛みは、心理的問題、脳損傷の可能性、成人期の痛み感受性など、幼児の発達に重大な影響を及ぼす。既存の乳幼児の痛み評価システムは、乳幼児の表情と成人の表情の違いを無視する成人の方法を直接適用している。そこで本研究では,AuE-IPA法を用いて乳児の痛みを評価する手法を提案する。
論文参考訳（メタデータ） (2022-12-09T10:41:22Z)
Low-dimensional representation of infant and adult vocalization acoustics [2.1826796927092214]
本研究では, スペクトル特徴抽出と教師なし機械学習, 特にUniform Manifold Approximation (UMAP) を用いて, 乳幼児の2次元空間的表現と, 在宅録音から抽出した介護者の発声について検討した。例えば,乳児の2次元空間内における発声音の分散は3カ月から9か月に増加し,その後9か月から18カ月に減少した。
論文参考訳（メタデータ） (2022-04-25T17:58:13Z)
Visualizations of Complex Sequences of Family-Infant Vocalizations Using Bag-of-Audio-Words Approach Based on Wav2vec 2.0 Features [41.07344746812834]
米国では、2-8歳の子供の約15-17%が、少なくとも1つの精神、行動、発達障害を診断していると推定されている。これまでの研究では、携帯電話、ビデオ、LENAのような音声のみの記録装置を用いて収集された幼児および/または親の発声の分類において、高度なMLモデルが優れていることが示されている。我々は、wav2vec 2.0機能を持つbaba-of-audio-words法を用いて、家族と幼児の発声相互作用を理解するための高レベルな可視化を作成する。
論文参考訳（メタデータ） (2022-03-29T01:46:14Z)
TalkTive: A Conversational Agent Using Backchannels to Engage Older Adults in Neurocognitive Disorders Screening [51.97352212369947]
高齢者とヒトの認知的評価に関する246の会話を分析した。反応性バックチャネルと活性性バックチャネルのカテゴリーを抽出した。これは、バックチャネルのタイミングと形式の両方を予測することができるCAであるTalkTiveの開発に使用される。
論文参考訳（メタデータ） (2022-02-16T17:55:34Z)
Neonatal Bowel Sound Detection Using Convolutional Neural Network and Laplace Hidden Semi-Markov Model [1.6184881460442038]
本稿では,新生児の腸音検出法について紹介する。 The Convolutional Neural Network (CNN) is proposed to identified peristalsis and non-peristalsis sound。この分類は、Laplace Hidden Semi-Markov Model (HSMM) を用いて最適化される。
論文参考訳（メタデータ） (2021-08-17T06:50:17Z)
Developmental Stage Classification of EmbryosUsing Two-Stream Neural Network with Linear-Chain Conditional Random Field [74.53314729742966]
発達段階分類のための2ストリームモデルを提案する。従来の手法とは異なり、2ストリームモデルでは時間情報と画像情報の両方を受け付けている。 2つのタイムラプス胚ビデオデータセット上で,本アルゴリズムを実証する。
論文参考訳（メタデータ） (2021-07-13T19:56:01Z)
Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural Networks [68.8204255655161]
私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
論文参考訳（メタデータ） (2020-12-29T01:14:17Z)
Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文参考訳（メタデータ） (2020-12-05T05:14:14Z)
Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文参考訳（メタデータ） (2020-08-29T11:50:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。