Resumen

Utilizamos la información contenida en la señal de llanto del bebé para identificar su estado psicológico. Se aplican modelos de mezcla gaussiana (GMM) para distinguir entre bebés sanos nacidos a término y prematuros, y aquellos con problemas médicos específicos disponibles en nuestra base de datos de llantos. El patrón de llanto de cada patología se crea utilizando el método de aprendizaje de mezclas boosting (BML) adaptado para estimar los parámetros del modelo de mezclas. En el primer experimento, los resultados de las pruebas demuestran que el método BML adaptado introducido para el aprendizaje de GMMs tiene un mejor rendimiento que el algoritmo convencional de reestimación basado en EM como sistema de referencia en la tarea de clasificación multipatológica. Este sistema de diagnóstico basado en el llanto de recién nacidos (NCDS) extrajo coeficientes cepstrales de frecuencia Mel (MFCC) como vector de características para patrones de llanto de recién nacidos. En el experimento de clasificación binaria, el sistema discriminó la señal de llanto de un lactante de prueba en uno de dos grupos, a saber, sano y patológico, basándose en los MFCC. El clasificador binario obtuvo una tasa de verdaderos positivos del 80,77 y una tasa de verdaderos negativos del 86,96%, lo que demuestra la capacidad del sistema para identificar correctamente a los bebés sanos y enfermos, respectivamente.

• Materias:Electrónica de refrigeración Sensor capacitivo Compresión de señales Máquinas Comprensión de imágenes
• Subjects:Refrigeration electronics Capacitive sensor Signal compression Machines Image understanding
• Palabras claves:señal de llanto, modelos de mezclas gaussianas, experimento de clasificación binaria, parámetros de modelos de mezclas, tarea de clasificación pluripatológica, problemas médicos específicos, tasa de verdaderos negativos, tasa de verdaderos positivos, MMG, lactante
• Keywords:cry signal, Gaussian mixture models, binary classification experiment, mixture model parameters, multipathological classification task, specific medical problems, true negative rate, true positive rate, GMMs, infant