新生儿重症监护病房中的机器听觉
声音
2024-10-08 v2 人工智能
机器学习
音频与语音处理
摘要
氧合器、警报设备和脚步声是医院中最常见的一些声音源。检测它们具有环境心理学的科学价值，但也带来了自身的挑战：即隐私保护和有限的标记数据。在本文中，我们通过边缘计算和云计算的结合来解决这两个挑战。为了隐私保护，我们设计了一种声学传感器，它实时计算三分之一倍频程频谱图，而不是记录音频波形。为了实现样本高效的机器学习，我们通过频谱转码和标签空间适配，重新利用了预训练的音频神经网络 (PANN)。在新生儿重症监护病房 (NICU) 进行的一项小规模研究证实，检测到的事件时间序列与另一种测量模式（即父母和医疗保健专业人员佩戴的电子徽章）保持一致。因此，本文证明了在医院病房中进行多声道机器听觉的可行性，同时通过设计保证了隐私。
引用
@article{arxiv.2409.11439,
title = {Machine listening in a neonatal intensive care unit},
author = {Modan Tailleur and Vincent Lostanlen and Jean-Philippe Rivière and Pierre Aumond},
journal= {arXiv preprint arXiv:2409.11439},
year = {2024}
}