Künstliche Intelligenz sagt, warum Babys weinen

Forscher des Digital Signal Processing Laboratory haben ein neues KI-Verfahren entwickelt, dass bei Babys normales oder abnormales Weinen, wie zum Beispiel bei einer Erkrankung, identifizieren und unterscheiden kann. [...]

Ein innovativer Algorithmus nutzt automatische Spracherkennung zur Differenzierung von Lauten. (c) pixabay

Das Verfahren basiert auf einem Algorithmus zur Erkennung dieser besonderen Art von Sprache. Es könnte sowohl zu Hause und auch in medizinischen Einrichtungen nützlich sein.

Compressed Sensing im Einsatz

Versiertes Pflegepersonal und erfahrene Eltern können durch den Klang des Weinens ziemlich genau die vielen Bedürfnisse eines Babys unterscheiden. Das Weinen jedes Kindes ist zwar einzigartig. Geschieht es jedoch aus dem gleichen Grund, gibt es Gemeinsamkeiten. Das Identifizieren der verborgenen Muster war bisher eine große Herausforderung. KI–Anwendungen haben sich aber als die richtige Lösung erwiesen.

Der neue Ansatz nutzt einen spezifischen Algorithmus, der auf automatischer Spracherkennung basiert. Um diese Signale zu analysieren und zu klassifizieren, verwenden die Forscher das sogenannte Compressed Sensing, damit sich die große Datenmenge einfacher verarbeiten lässt. Die komprimierte Erfassung rekonstruiert, basierend auf einer geringen Datenmenge, ein Signal. Dieses Verfahren hat vor allem Vorteile, wenn Geräusche in einem lauten Umfeld aufgenommen werden – also dort, wo Babys normalerweise auch weinen.

Weinen enthält Vielzahl an Infos

Der neue Algorithmus kann in dem beschriebenen Umfeld die Bedeutung von normalen und abnormalen Signalen erkennen. Er ist dabei von individuellen Weinen unabhängig. Das bedeutet, er kann in der Praxis umfassend eingesetzt werden. Laut der korrespondierenden Autorin Lichuan Liu ist in den verschiedenen Weingeräuschen eine Vielzahl von Gesundheitsinformationen enthalten.

„Der Unterschied zwischen den Geräuschen enthält dabei die Information. Diese Unterschiede werden durch verschiedene Eigenschaften der Signale repräsentiert. Um die Information zu erkennen und wirksam zu nutzen, müssen wir diese Eigenschaften extrahieren und dann die enthaltenen Informationen auswerten.“ Die Forschungsergebnisse wurden in „IEEE/CAA Journal of Automatica Sinica“ veröffentlicht.

Werbung


Mehr Artikel

Be the first to comment

Leave a Reply

Your email address will not be published.


*


Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahren Sie mehr darüber, wie Ihre Kommentardaten verarbeitet werden .