Neural Transfer Learning for Cry-based Diagnosis of Perinatal Asphyxia

Malgré les progrès médicaux continus, le taux de morbidité et de mortalité néonatales dans le monde reste élevé, faisant plus de 6 millions de victimes chaque année. La prédiction de pathologies affectant les nouveau-nés en fonction de leurs pleurs présente donc un intérêt clinique significatif, car elle faciliterait la mise au point d’outils de diagnostic accessibles et peu coûteux {basé sur les appareils portables et les smartphones}. Cependant, l’insuffisance d’ensembles de données cliniquement annotés sur les pleurs des nourrissons limite les progrès dans cette tâche. Cette étude explore une approche d’apprentissage par transfert de neurones pour développer des modèles précis et robustes d’identification des nourrissons souffrant d’asphyxie périnatale. Nous explorons en particulier l’hypothèse selon laquelle les représentations tirées de la parole chez l’adulte pourraient informer et améliorer les performances des modèles développés pour la parole chez l’enfant. Nos expériences montrent que les modèles basés sur un tel transfert de représentation sont résilients à différents types et degrés de bruit, ainsi qu’à la perte de signal dans les domaines temporel et fréquentiel.