بازشناختی چندترازی درد جهت واکافت صدای گریه نوزاد با به کارگیری ویژگی های بعد شکستال و رگرسیون منطقی با طبقه بند بیشینه محتمل

در تقابل با دیگر شیوه های 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 می شود، اما این مسئله مستلزم وجود دانش کافی در مورد ویژگی های به دست آمده و نیز انتخاب موثر صفات است. در این مقاله، چندین توصیف گر برای استخراج اطلاعات تفکیک پذیر در کنار رای گیری وزنی در انتخاب ویژگی پیشنهاد شده اند. هم چنین، شیوه بهبودیافته درست نمایی رگرسیون منطقی جهت طبقه بندی درد به کار گرفته شد. شیوه پیشنهادی توسط مجموعه ای از صداهای ضبط شده 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 بهینه سازی شده نسبت به راه کارهای مشابه از نظر دقت تشخیص دارای اثربخشی چشم گیری است. چالش هایی چون عدم قطعیت و بروز خطاهای طبقه بندی بالا که اغلب با اعمال داده های دیده نشده رخ می دهند، به دلیل توانایی انطباق پذیری شیوه پیشنهادی حل شده اند. تجزیه و تحلیل مقایسه ای نشان از این واقعیت دارد که بر مبنای شیوه پیشنهادی در ترکیب با ویژگی های ادراکی، پیشرفت چشم گیری در عملکرد تشخیص چندترازی حاصل شده است.