در تقابل با دیگر شیوههای آشکارسازی خودکار درد در نوزادان، تشخیص درد از طریق واکافت صدا برای درک وضعیت نوزاد چندان مورد توجه نبوده است. هر چند استخراج ویژگی های مناسب از صداهای نوزاد در زمان گریه کردن به نتایج مطلوب طبقه بندی منجر میشود، اما این مسئله مستلزم وجود دانش کافی در مورد ویژگی های بهدستآمده و نیز انتخاب مؤثر صفات است. در این مقاله، چندین توصیف گر برای استخراج اطلاعات تفکیکپذیر در کنار رأیگیری وزنی در انتخاب ویژگی پیشنهاد شدهاند. همچنین، شیوه بهبودیافته درست نمایی رگرسیون منطقی جهت طبقه بندی درد بهکار گرفته شد. شیوه پیشنهادی توسط مجموعه ای از صداهای ضبطشده نوزادان مورد ارزیابی قرارگرفت. با استفاده از انواع مختلفی از ویژگی ها، بازشناختی کلی معادل 96/6 درصد در طبقه بندی پنج تراز مختلف از حس درد رقم خورده است. نتایج حاکی از آن هستند که طبقه بندی بهینهسازیشده نسبت به راهکارهای مشابه از نظر دقت تشخیص دارای اثربخشی چشمگیری است. چالش هایی چون عدم قطعیت و بروز خطاهای طبقه بندی بالا که اغلب با اعمال داده های دیده نشده رخ میدهند، بهدلیل توانایی انطباق پذیری شیوه پیشنهادی حل شدهاند. تجزیه و تحلیل مقایسه ای نشان از این واقعیت دارد که بر مبنای شیوه پیشنهادی در ترکیب با و یژگیهای ادراکی، پیشرفت چشمگیری در عملکرد تشخیص چندترازی حاصل شده است.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
پردازش علائم صوتی دریافت: 1399/6/29 | پذیرش: 1400/6/31 | انتشار: 1400/6/20