促进深度声学表型分析：面向计算分析、机器学习和临床推理的婴儿发声基础编码方案
声音
2025-02-21 v1 音频与语音处理
摘要
理论背景：早期言语发育尚未被完全理解，尤其是在其形成阶段。研究问题：能否定义一个可靠且易用的婴儿早期发声分类编码方案，作为语言发育进一步分析的基础？方法：在一项针对45名神经典型发育婴儿的纵向研究中，我们分析了出生后前4个月的发声。音频片段被划分为5类：（1）浊音发声和（2）清音发声；（3）确定信号；（4）非目标；（5）不可归类。结果：两名经验不同的女性编码员在无需强化训练的情况下取得了高度一致性。讨论与结论：该可靠方案可用于研究和临床环境，以高效编码婴儿发声，作为详细人工和机器分析的基础。
引用
@article{arxiv.2303.08239,
title = {Facilitating deep acoustic phenotyping: A basic coding scheme of infant vocalisations preluding computational analysis, machine learning and clinical reasoning},
author = {Tomas Kulvicius and Sigrun Lang and Claudius AA Widmann and Nina Hansmann and Daniel Holzinger and Luise Poustka and Dajie Zhang and Peter B Marschik},
journal= {arXiv preprint arXiv:2303.08239},
year = {2025}
}
备注
This paper is in German