Elke ouder kent de frustratie van het reageren op het gehuil van een baby, zich afvragend of hun kind honger heeft, nat, moe, behoefte aan een knuffel, of misschien zelfs pijn. Een groep onderzoekers in de VS heeft een nieuwe kunstmatige-intelligentiemethode ontwikkeld die normale huilsignalen en abnormale signalen kan identificeren en onderscheiden. zoals die als gevolg van een onderliggende ziekte. De methode, gebaseerd op een cry-taalherkenningsalgoritme, belooft nuttig te zijn voor ouders, zowel thuis als in de gezondheidszorg, zoals artsen het kunnen gebruiken om gehuil onder zieke kinderen te onderscheiden.

Het onderzoek is gepubliceerd in het meinummer van IEEE/CAA Journal of Automatica Sinica ( JAS ), een gezamenlijke publicatie van de IEEE en de Chinese Association of Automation.

Ervaren gezondheidswerkers en doorgewinterde ouders kunnen vrij nauwkeurig onderscheid maken tussen de vele behoeften van een baby op basis van de huilgeluiden die het maakt. Hoewel het huilen van elke baby uniek is, ze delen een aantal gemeenschappelijke kenmerken wanneer ze het gevolg zijn van dezelfde redenen. Het identificeren van de verborgen patronen in het huilsignaal was een grote uitdaging, en toepassingen van kunstmatige intelligentie zijn in deze context nu een passende oplossing gebleken.

Het nieuwe onderzoek maakt gebruik van een specifiek algoritme op basis van automatische spraakherkenning om de kenmerken van huilende baby's te detecteren en te herkennen. Om die signalen te analyseren en te classificeren, het team gebruikte gecomprimeerde detectie als een manier om big data efficiënter te verwerken. Compressed sensing is een proces dat een signaal reconstrueert op basis van schaarse gegevens, en is vooral handig wanneer geluiden worden opgenomen in rumoerige omgevingen, dat is waar het huilen van baby's meestal plaatsvindt. In dit onderzoek, de onderzoekers ontwierpen een nieuw cry-taalherkenningsalgoritme dat de betekenissen van zowel normale als abnormale huilsignalen in een lawaaierige omgeving kan onderscheiden. Het algoritme is onafhankelijk van de individuele omroeper, wat betekent dat het in praktische scenario's in bredere zin kan worden gebruikt als een manier om verschillende huilkenmerken te herkennen en te classificeren en beter te begrijpen waarom baby's huilen en hoe dringend het huilen is.

"Als een speciale taal, er is veel gezondheidsgerelateerde informatie in verschillende huilgeluiden. De verschillen tussen geluidssignalen dragen de informatie eigenlijk over. Deze verschillen worden weergegeven door verschillende kenmerken van de huilsignalen. Om de informatie te herkennen en te benutten, we moeten de functies extraheren en vervolgens de informatie erin verkrijgen, " zegt Lichuan Liu, corresponderende auteur en universitair hoofddocent Elektrotechniek en de directeur van Digital Signal Processing Laboratory wiens groep het onderzoek heeft uitgevoerd.

De onderzoekers hopen dat de bevindingen van hun onderzoek van toepassing kunnen zijn op verschillende andere medische zorgsituaties waarin besluitvorming sterk afhankelijk is van ervaring. "De uiteindelijke doelen zijn gezondere baby's en minder druk op ouders en verzorgers, ", zegt Liu. "We onderzoeken samenwerkingen met ziekenhuizen en medische onderzoekscentra, om meer gegevens en invoer van scenario's voor vereisten te verkrijgen, en hopelijk kunnen we wat producten hebben voor de klinische praktijk, " zij voegt toe.