[论文解读] Ubenwa: Cry-based Diagnosis of Birth Asphyxia

Charles C. Onu, Innocent Udeogu+6 more|arXiv (Cornell University)|Nov 17, 2017

Infant Health and DevelopmentHealth Professions参考文献 5被引用 20

一句话总结

Ubenwa 提出了一种基于智能手机的机器学习系统，通过哭声分析诊断新生儿窒息，利用梅尔频率倒谱系数（MFCCs）和支持向量机（SVMs）将哭声分类为正常或窒息性。该系统在1389个哭声样本的测试集中实现了85%的敏感度和89%的特异度，为资源有限的环境提供了一种低成本、非侵入性且快速的诊断解决方案。

ABSTRACT

Every year, 3 million newborns die within the first month of life. Birth asphyxia and other breathing-related conditions are a leading cause of mortality during the neonatal phase. Current diagnostic methods are too sophisticated in terms of equipment, required expertise, and general logistics. Consequently, early detection of asphyxia in newborns is very difficult in many parts of the world, especially in resource-poor settings. We are developing a machine learning system, dubbed Ubenwa, which enables diagnosis of asphyxia through automated analysis of the infant cry. Deployed via smartphone and wearable technology, Ubenwa will drastically reduce the time, cost and skill required to make accurate and potentially life-saving diagnoses.

研究动机与目标

• 开发一种低成本、易于获取的出生窒息诊断工具，适用于传统血气分析不切实际的资源匮乏地区。
• 利用婴儿哭声模式作为非侵入性生物标志物，检测新生儿窒息。
• 设计一种可部署于移动设备的机器学习系统，用户操作门槛极低，且运行时间少于20秒。
• 通过在加拿大和尼日利亚的医院收集数据，在真实临床环境中验证该系统。
• 优化算法以增强对环境噪声的鲁棒性、最小化内存占用，并适应短时录音长度。

提出的方法

• 系统从分段的婴儿哭声音频中提取梅尔频率倒谱系数（MFCCs），以表征模仿人类听觉感知的频谱特征。
• 使用MFCC特征训练支持向量机（SVM）分类器，以区分正常哭声与窒息性哭声。
• 每个哭声样本被划分为时间片段；通过片段间的多数投票机制进行分类，以提高鲁棒性。
• 将训练好的模型集成到名为Ubenwa的移动应用程序中，实现在智能手机上的实时诊断。
• 该方法优先考虑模型的可移植性与效率，以适配低资源移动设备。
• 未来工作包括在获得更多数据且移动部署框架成熟后，转向长短期记忆网络（LSTMs）等深度学习模型。

实验结果

研究问题

• RQ1 婴儿哭声模式能否可靠地指示新生儿出生窒息的存在？
• RQ2 基于MFCC和SVM的机器学习模型能否在窒息检测中实现临床可用的敏感度与特异度？
• RQ3 在资源匮乏环境中，基于智能手机的系统能否在可及性、成本和速度方面优于传统诊断方法？
• RQ4 如何优化系统以实现真实环境部署，包括抗噪声能力和最低计算需求？
• RQ5 使用该方法进行准确诊断所需的最短哭声录音长度是多少？

主要发现

• MFCC-SVM模型在1389个哭声样本的测试集中，检测窒息婴儿的敏感度达到85%。
• 该模型在同一测试集中正确识别正常婴儿的特异度为89%。
• 系统可在20秒内输出结果，支持快速临床决策。
• 名为Ubenwa的移动应用原型使社区卫生工作者和父母等非临床用户在极少培训下即可完成诊断。
• 该方法为非侵入性，仅需录制哭声，无需抽血，显著降低风险与复杂性。
• 数据正在尼日利亚的UPTH医院和加拿大的MUHC医院收集，以在真实环境中验证系统，并为未来模型优化扩展数据集。