综述：婴儿哭声副语言分类的进展——方法、实施与应用：系统性综述

这篇系统性综述全面梳理了近24年婴儿哭声分类领域的方法学进展，重点探讨了机器学习（ML）、深度学习（DL）和混合方法在哭声特征提取（如MFCCs、频谱图）中的应用，揭示了当前研究在数据隐私（如联邦学习）和实际部署（仅10%模型落地）方面的不足，为未来标准化多模态分析和临床转化提供了方向。

　　

背景

婴儿哭声作为早期非语言交流的核心载体，其声学特征（如基频、时长、强度）蕴含丰富的生理与病理信息。传统依赖人工观察的FLACC量表和Neonatal Infant Pain Scale存在主观性强、一致性差等缺陷。随着机器学习技术的渗透，婴儿哭声分析从20世纪60年代Wasz-H?ckert的听觉分类迈入智能算法时代，为新生儿疼痛、饥饿、神经异常等状态的客观识别带来突破。

方法学演进

系统性检索9大数据库（Cochrane、IEEE Xplore等）获得的126项研究显示，2019年后机器学习（91.3%研究采用）和深度学习（最高准确率97.43%）成为主流。特征提取层面，Mel频率倒谱系数（MFCCs）以57.9%采用率居首，其模拟人耳听觉特性的优势在哭声频谱包络建模中表现突出；时频域特征（69%）和频谱图（15.9%）则通过卷积神经网络（CNN）有效捕捉时空模式。值得注意的是，小波变换（8.7%）和韵律特征（0%）尚未充分开发，暗示未来研究可探索多分辨率分析与情感韵律的关联性。

技术挑战与创新

环境噪声（影响78%研究）和样本稀缺（67%研究提及）构成主要瓶颈。新生儿重症监护室（NICU）的设备干扰催生了24.6%研究采用去噪技术，如基于深度学习的谱减法。联邦学习（5%研究应用）虽能解决数据隐私问题，但实际部署率仅10%，多数停留在实验阶段。性能方面，监督学习以99.89%准确率领先，而迁移学习（94.39%）在数据有限场景展现潜力，但无监督方法（75.2%）仍需优化。

临床应用与局限

30.6%研究聚焦临床诊断，如通过哭声识别败血症早期征兆或神经损伤。然而，模型泛化性受限于数据集地域偏差——亚洲贡献54%研究（主要基于本地样本），欧美则以27.4%占比侧重基础研究。硬件部署中，移动端应用（2.4%）和物联网（IoT,1.6%）占比较低，反映科研成果向床旁转化的滞后性。

未来方向

构建标准化多模态特征体系（整合MFCCs、波形特征等）、开发自适应去噪层、推进联邦学习框架，是突破现有瓶颈的三维路径。伦理层面需平衡数据共享需求与GDPR合规性，通过TRIPOD报告规范提升研究透明度。正如综述指出，唯有跨学科协作攻克算法鲁棒性与临床适用性，方能实现"哭声即诊断"的精准医疗愿景。