<abstract xmlns="http://www.w3.org/1999/xhtml">Infant cry classification can be performed in two ways: computational classification of cries or auditory discrimination by human listeners. This article compares both approaches.An auditory listening experiment was performed to examine if various listener groups (naive listeners, parents, nurses/midwives and therapists) were able to distinguish auditorily between healthy and pathological cries as well as to differentiate various pathologies from each other.Listeners were trained in hearing cries of healthy infants and cries of infants suffering from cleft-lip-and-palate, hearing impairment, laryngomalacia, asphyxia and brain damage. After training, a listening experiment was performed by allocating 18 infant cries to the cry groups.Multiple supervised-learning classifications models were calculated on the base of the cries’ acoustic properties. The accuracy of the models was compared to the accuracy of the human listeners.With a Kappa value of 0.491, listeners allocated the cries to the healthy and the five pathological groups with moderate performance. With a sensitivity of 0.64 and a specificity of 0.89, listeners were able to identify that a cry is a pathological one with higher confidence than separating between the single pathologies. Generalized linear mixed models found no significant differences between the classification accuracy of the listener groups. Significant differences between the pathological cry types were found.Supervised-learning classification models performed significantly better than the human listeners in classifying infant cries. The models reached an overall Kappa value of up to 0.837.</abstract>

Infant cry classification can be performed in two ways: computational classification of cries or auditory discrimination by human listeners. This article compares both approaches.An auditory listening experiment was performed to examine if various listener groups (naive listeners, parents, nurses/midwives and therapists) were able to distinguish auditorily between healthy and pathological cries as well as to differentiate various pathologies from each other.Listeners were trained in hearing cries of healthy infants and cries of infants suffering from cleft-lip-and-palate, hearing impairment, laryngomalacia, asphyxia and brain damage. After training, a listening experiment was performed by allocating 18 infant cries to the cry groups.Multiple supervised-learning classifications models were calculated on the base of the cries’ acoustic properties. The accuracy of the models was compared to the accuracy of the human listeners.With a Kappa value of 0.491, listeners allocated the cries to the healthy and the five pathological groups with moderate performance. With a sensitivity of 0.64 and a specificity of 0.89, listeners were able to identify that a cry is a pathological one with higher confidence than separating between the single pathologies. Generalized linear mixed models found no significant differences between the classification accuracy of the listener groups. Significant differences between the pathological cry types were found.Supervised-learning classification models performed significantly better than the human listeners in classifying infant cries. The models reached an overall Kappa value of up to 0.837.

Comparison of Supervised-Learning Models and Auditory Discrimination of Infant Cries for the Early Detection of Developmental Disorders / Vergleich von Supervised-Learning Klassifikationsmodellen und menschlicher auditiver Diskriminationsfähigkeit zur Unterscheidung von Säuglingsschreien mit kongenitalen Entwicklungsstörungen

<trans-abstract xml:lang="de" xmlns="http://www.w3.org/1999/xhtml">Die Diskrimination von gesunden und pathologischen Säuglingsschreien kann auf unterschiedliche Weise erfolgen: über computerbasierte Klassifikation von akustischen Parametern des Schreis oder über auditive Diskriminierung durch das menschliche Gehör. In diesem Artikel wird die Leistungsfähigkeit der beiden Verfahren miteinander verglichen.Ein Hörexperiment mit unterschiedlichen Hörergruppen (Laien, Eltern, Hebammen und Therapeuten) wurde durchgeführt, um zu evaluieren, ob Hörer in der Lage sind, zwischen gesunden und pathologischen Schreien, sowie zwischen verschiedenen Pathologien zu diferenzieren.In einem Hörtraining wurden den Hörern Schreie von gesunden Säuglingen, von Säuglingen mit Lippen-Kiefer-Gaumenspalte, von Säuglingen mit Hörstörungen, von Säuglingen mit Laryngomalazie, sowie von Säuglingen mit Asphyxie und perinataler intracerebraler Blutung auditiv präsentiert. Im Anschluss fand das Hörexperiment durch Zuordnung von 18 Schreien zu den einzelnen Schreigruppen statt.Verschiedene computerbasierte Klassifikationsalgorithmen (supervised-learning models) wurden ebenfalls auf den Schreien anhand ihrer akustischen Parameter trainiert.Die Klassifikationsgenauigkeit der Hörergruppen erzielte einen Kappa-Wert von 0,491 (durchschnittliche Leistungsfähigkeit). Mit einer Sensitivität von 0,64 und einer Spezifität von 0,89 waren die Hörer in der Lage zwischen gesunden und pathologischen Schreien zu differenzieren. Verallgemeinerte lineare gemischte Modelle wurden berechnet, um einen möglichen Einfluss der Gruppenzugehörigkeit der Hörer zu ermitteln. Es konnte kein signifikanter Unterschied in der Klassifikationsgenauigkeit zwischen den Hörergruppen ermittelt werden.Die computerbasierte Klassifikationsgenauigkeit zeigte signifikant bessere Klassifikationsergebnisse mit einem Kappa-Wert von 0,837.</trans-abstract>

Die Diskrimination von gesunden und pathologischen Säuglingsschreien kann auf unterschiedliche Weise erfolgen: über computerbasierte Klassifikation von akustischen Parametern des Schreis oder über auditive Diskriminierung durch das menschliche Gehör. In diesem Artikel wird die Leistungsfähigkeit der beiden Verfahren miteinander verglichen.Ein Hörexperiment mit unterschiedlichen Hörergruppen (Laien, Eltern, Hebammen und Therapeuten) wurde durchgeführt, um zu evaluieren, ob Hörer in der Lage sind, zwischen gesunden und pathologischen Schreien, sowie zwischen verschiedenen Pathologien zu diferenzieren.In einem Hörtraining wurden den Hörern Schreie von gesunden Säuglingen, von Säuglingen mit Lippen-Kiefer-Gaumenspalte, von Säuglingen mit Hörstörungen, von Säuglingen mit Laryngomalazie, sowie von Säuglingen mit Asphyxie und perinataler intracerebraler Blutung auditiv präsentiert. Im Anschluss fand das Hörexperiment durch Zuordnung von 18 Schreien zu den einzelnen Schreigruppen statt.Verschiedene computerbasierte Klassifikationsalgorithmen (supervised-learning models) wurden ebenfalls auf den Schreien anhand ihrer akustischen Parameter trainiert.Die Klassifikationsgenauigkeit der Hörergruppen erzielte einen Kappa-Wert von 0,491 (durchschnittliche Leistungsfähigkeit). Mit einer Sensitivität von 0,64 und einer Spezifität von 0,89 waren die Hörer in der Lage zwischen gesunden und pathologischen Schreien zu differenzieren. Verallgemeinerte lineare gemischte Modelle wurden berechnet, um einen möglichen Einfluss der Gruppenzugehörigkeit der Hörer zu ermitteln. Es konnte kein signifikanter Unterschied in der Klassifikationsgenauigkeit zwischen den Hörergruppen ermittelt werden.Die computerbasierte Klassifikationsgenauigkeit zeigte signifikant bessere Klassifikationsergebnisse mit einem Kappa-Wert von 0,837.

International Journal of Health Professions

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 License.

Infant cry classification can be performed in two ways: computational classification of cries or auditory discrimination by human listeners. This article...

Published Online: Jan 30, 2019

Page range: 2 - 18

Received: Aug 04, 2018

Accepted: Oct 26, 2018

DOI: https://doi.org/10.2478/ijhp-2019-0003

Keywords
Infant cry discrimination, cry classification, human listening, hearing experiment, auitory discrimnation skills

© 2019 Tanja Fuhr, Henning Reetz, Carla Wegener, published by Sciendo

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 License.

Published Online: Jan 30, 2019

Page range: 2 - 18

Received: Aug 04, 2018

Accepted: Oct 26, 2018

DOI: https://doi.org/10.2478/ijhp-2019-0003

KeywordsInfant cry discrimination, cry classification, human listening, hearing experiment, auitory discrimnation skills

© 2019 Tanja Fuhr, Henning Reetz, Carla Wegener, published by Sciendo

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 License.

Keywords
Infant cry discrimination, cry classification, human listening, hearing experiment, auitory discrimnation skills