portada · Title: portada.dvi Created Date: 2/6/2011 7:31:51 PM

Identificacion Automatica deCaracterısticas Cualitativas del

Llanto Infantil

por

Mar ıa Antonia Ruız Dıaz

Tesis sometida como requisito parcial para obtener el gradode

Maestro en Ciencias en elArea de Ciencias Computacionalesen el

Instituto Nacional de Astrofısica,Optica y Electronica

Supervisada por:

Dr. Carlos Alberto Reyes Garcıa, INAOEDr. Luis Carlos Altamirano Robles, BUAP

c©INAOE 2011El autor otorga al INAOE el permiso de reproducir y distribuir copias

en su totalidad o en partes de esta tesis

Resumen

En el análisis del llanto infantil, es de gran importancia reconocer las caracterís-

ticas cualitativas, ya que proporcionan información adicional que permite identificar

variaciones o semejanzas entre llantos normales y patológicos.

En la actualidad el análisis de características cualitativas se realiza de forma ma-

nual, por medio de la percepción visual (espectrograma) y auditiva (sonido) de los

médicos expertos, quienes de acuerdo a lo que ven y escuchan, emiten un diagnóstico.

Un proceso previo al análisis de características cualitativas, es la detección de uni-

dades de llanto, es por eso que en este trabajo se presentan dos métodos. En el primer

método se hace uso de dos umbrales. Un umbral aplicado a la energía se la señal, el

cual permite detectar de forma automática las unidades de llanto de una grabación, y

otro umbral que permite eliminar los sonidos inspiratorios. El segundo método llama-

do por nosotros método del dodecacrama, permite identificar razonablemente el tipo

de melodía, shifts, glides y concentraciones de ruido en unidades de llanto de forma

automática.

Finalmente, de acuerdo con las características cualitativas identificadas automáti-

camente se proporciona un diagnóstico del llanto analizado, el diagnóstico puede ser:

Llanto normal o llanto con tendencia a patológico.

[i]

ii Resumen

Coordinación de Ciencias Computacionales Instituto Nacional de Astrofísica, Óptica y Electrónica

Abstract

In infant cry analysis, the identification of qualitative characteristics is of great

importance, because this provides additional information that allows to identify va-

riations and similarities between normal and pathological cries.

Nowadays, the analysis of qualitative characteristics is made manually, through

visual (spectrogram) and auditive (sound) perception of medical experts, they make

a diagnosis according to what they see and hear.

In this work, we present a method based in the use of a threshold, this threshold is

applied to the energy of the signal, our method allows detect automatically cry units

of a record, and another threshold, which eliminates the inspiratory segments. Also

we present the dodecagram method, which allows identify the type of melody, shifts,

glides, and noise concentrations reasonably in cry units automatically.

Finally, in accordance to the qualitative characteristics found, the method auto-

matically provides a diagnosis of the analyzed cry, which can be: normal cry or cry

with a pathological tendency.

[iii]

iv Abstract


Agradecimientos

Un sincero agradecimiento a todo el personal que labora en el Instituto Nacional de

Astrofísica Óptica y Electrónica (INAOE), por las facilidades y atenciones brindadas

durante mi estancia en el instituto.

Al grupo de investigadores de la Coordinación de Ciencias Computacionales, por

sus críticas, sugerencias y conocimiento transmitido.

A mis asesores, los Dres. Carlos Alberto Reyes García y Luis Carlos Altamirano

Robles, por la paciencia y la orientación que me brindaron durante el desarrollo de

éste trabajo de tesis.

A los médicos expertos en el área de análisis del llanto infantil del Instituto Na-

cional de Rehabilitación (INR). Los Dres. Mario Mandujano, Emilio Arch y Antonio

Verduzco. Por su colaboración en la detección manual de unidades de llanto y la

identificación manual de características cualitativas en las muestras de llanto infantil.

Finalmente, agradezco al Consejo Nacional de Ciencia y Tecnología (CONACyT),

por haberme otorgado la beca académica de maestría.

[v]

vi Agradecimientos


Dedicatoria

A Mi mamá M. Eugenia Díaz, mi papá Antonio Ruíz, mi hermana M. Guadalupe,

mi tia Rosario, mi tia Paty y a Patito.

A Jorge Eduardo Xalteno.

A quienes son como de mi familia: Pedro Tecuanhuehue, la Profa. Consuelo Vargas

y Enrique Hernández.

Y a mis amigos.

Porque todos ellos son ese motorcito que me hace seguir adelante día con día.

[vii]

viii Dedicatoria


Tabla de Contenido

Resumen i

Abstract iii

Agradecimientos v

Dedicatoria vii

Lista de Figuras xiii

Lista de Tablas xv

1. Introducción 1

1.1. Problemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.3. Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.4. Contribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.5. Método propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.6. Contenido del documento . . . . . . . . . . . . . . . . . . . . . . . . 4

2. Marco teórico 7

2.1. El llanto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2. Antecedentes del análisis del llanto infantil . . . . . . . . . . . . . . . 8

2.3. Fundamentos del análisis del llanto infantil . . . . . . . . . . . . . . . 12

2.3.1. Propiedades fisiológicas del llanto . . . . . . . . . . . . . . . . 12

2.3.2. Mecanismo de producción del llanto . . . . . . . . . . . . . . . 13

2.3.3. Modelo de Golub . . . . . . . . . . . . . . . . . . . . . . . . . 14

[ix]

x TABLA DE CONTENIDO

2.3.4. Técnicas del análisis del llanto infantil . . . . . . . . . . . . . 16

2.4. El espectrograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2.5. Detección del llanto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2.6. Variables cuantitativas . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.7. Variables cualitativas . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.8. Características cuantitativas del llanto infantil . . . . . . . . . . . . . 22

2.9. Características cualitativas del llanto infantil . . . . . . . . . . . . . . 23

2.10. Enfermedades en las que se presentan algunas de las características

cualitativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

3. Estado del arte 29

3.1. Análisis de características cualitativas . . . . . . . . . . . . . . . . . . 29

3.2. Detección del llanto infantil . . . . . . . . . . . . . . . . . . . . . . . 30

3.3. Análisis de la melodía . . . . . . . . . . . . . . . . . . . . . . . . . . 32

3.3.1. Método FLM (Five Line Method) . . . . . . . . . . . . . . . . 33

3.4. Conclusiones del Estado del Arte . . . . . . . . . . . . . . . . . . . . 35

4. Propuesta de solución 37

4.1. Selección de características cualitativas . . . . . . . . . . . . . . . . . 37

4.2. Definición de llanto normal y patológico . . . . . . . . . . . . . . . . 37

4.3. Medidas de las características cualitativas . . . . . . . . . . . . . . . 38

4.4. Esquema general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

4.5. Detección de unidades de llanto . . . . . . . . . . . . . . . . . . . . . 40

4.5.1. Método desarrollado para la detección automática de unidades

de llanto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

4.6. Identificación automática de características cualitativas . . . . . . . . 45

4.6.1. Concentración de ruido . . . . . . . . . . . . . . . . . . . . . . 45

4.6.2. Tipo de melodía . . . . . . . . . . . . . . . . . . . . . . . . . . 45

4.6.3. Shifts y Glides . . . . . . . . . . . . . . . . . . . . . . . . . . 47

4.7. Diagnóstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

5. Resultados experimentales 49

5.1. Detección automática de unidades de llanto . . . . . . . . . . . . . . 49

5.2. Identificación automática de características cualitativas . . . . . . . . 50

5.3. Diagnóstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54


TABLA DE CONTENIDO xi

6. Conclusiones y trabajo futuro 65

6.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

6.2. Trabajo futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

Apéndices 67

A. Interfaz 69

Referencias 73

Identificación Automática de Características Cualitativas del Llanto Infantil

xii TABLA DE CONTENIDO


Lista de Figuras

2.1. Aparato fonador y respiratorio. . . . . . . . . . . . . . . . . . . . . . 13

2.2. Modelo de Golub. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.3. Espectrograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2.4. Tipos de melodías. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.5. Deslizamiento o glide. . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.6. Vibrato. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.7. Concentración de ruido. . . . . . . . . . . . . . . . . . . . . . . . . . 26

3.1. Principales pasos del AICD . . . . . . . . . . . . . . . . . . . . . . . 31

3.2. Clasificación de la melodía . . . . . . . . . . . . . . . . . . . . . . . . 32

3.3. Ejemplos de la obtención de melodías de llantos representadas por FLM 33

3.4. Ilustrando las melodías más comunes de los 580 llantos analizados. . . 34

4.1. Esquema general del método propuesto. . . . . . . . . . . . . . . . . . 39

4.2. Pasos para la detección de unidades de llanto. . . . . . . . . . . . . . 43

4.3. Señal y espectrograma de la muestra 88.wav. . . . . . . . . . . . . . . 44

4.4. Señal y espectrograma de la muestra 103.wav. . . . . . . . . . . . . . 44

4.5. Método del dodecagrama. . . . . . . . . . . . . . . . . . . . . . . . . 46

4.6. Reducción del código. . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

A.1. Interfaz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

A.2. Campo AXES de la interfaz. . . . . . . . . . . . . . . . . . . . . . . . 71

[xiii]

xiv LISTA DE FIGURAS


Lista de Tablas

5.1. Detección manual y automática para el conjunto de llantos de infantes

mexicanos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

5.2. Detección manual y automática para el conjunto de llantos de infantes

cubanos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

5.3. Identificación manual y automática de las características cualitativas

etiquetadas por los médicos expertos del INR, utilizando el método

propuesto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

5.4. Identificación manual y automática para las características cualitati-

vas etiquetadas por los médicos del INR, utilizando el método FLM

propuesto en (Várallyay et al., 2009b). . . . . . . . . . . . . . . . . . 54

5.5. Identificación automática de características cualitativas para las mues-

tras de Llantos clasificados como Asfixia, utilizando el método propuesto. 56


tras de Llantos clasificados como Alto riesgo, utilizando el método pro-

puesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56


tras de Llantos clasificados como Hiperbilirrubinemia, utilizando el mé-

todo propuesto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57


tras de Llantos clasificados como Sordera, utilizando el método pro-

puesto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57


tras de Llantos clasificados como Sanos, utilizando el método propuesto. 58

5.10. Resultados del conteo de características cualitativas en las muestras

clasificadas como Asfixia. . . . . . . . . . . . . . . . . . . . . . . . . . 59

[xv]

xvi LISTA DE TABLAS


clasificadas como Alto riesgo. . . . . . . . . . . . . . . . . . . . . . . 59


clasificadas como Hiperbilirrubinemia. . . . . . . . . . . . . . . . . . . 59


clasificadas como Sordera. . . . . . . . . . . . . . . . . . . . . . . . . 60


clasificadas como Sanos. . . . . . . . . . . . . . . . . . . . . . . . . . 60

5.15. Resultados de las características cuantitativas para las muestras de

Llantos de infantes clasificados como Asfixia. . . . . . . . . . . . . . . 61


Llantos de infantes clasificados como Alto riesgo. . . . . . . . . . . . . 62


Llantos de infantes clasificados como Hiperbilirrubinemia. . . . . . . . 62


Llantos de infantes clasificados como Sordera. . . . . . . . . . . . . . 62


Llantos de infantes clasificados como Sanos. . . . . . . . . . . . . . . 63


Capítulo 1

Introducción

Han transcurrido 186 años desde que Gardiner (Reyes et al., 2009), (Martínez

et al., 2004) describiera el llanto infantil a partir de su ubicación en el teclado de un

piano, lo cual, a pesar de basarse en sus observaciones clínicas no deja de ser un primer

intento válido de caracterizar la primera y natural forma de comunicación del infante

al llegar al mundo. En todo este tiempo, múltiples y variados esfuerzos han desple-

gado generaciones de investigadores que tratan de establecer las leyes generales que

describen los procesos de generación y percepción del llanto infantil, no sólo como un

evento acústico-lingüístico, sino también, como indicador del estado neurofisiológico

del infante.

De forma tradicional, el llanto puede ser analizado desde dos perspectivas, el aná-

lisis cuantitativo y el análisis cualitativo. En el primero de ellos los estándares para el

llanto de un infante sano o llanto de un infante “normal” han sido establecidos, de tal

forma que un llanto “normal” está caracterizado por una frecuencia fundamental con

valores promedio de 450Hz y rangos de 400Hz a 600Hz (Lind et al., 2002), (Hirsch-

berg, 1999), (Michelsson et al., 1999), (Gilbert et al., 1996) , armónicos sobrepuestos

simétricamente y con duración de las señales de llanto entre 1 y 1.5 segundos en

promedio(Lind et al., 2002), (Hirschberg, 1999), (Obediente, 2007).

Por otra parte la descripción cualitativa del llanto, es parte complementaria del

análisis cuantitativo (Reyes et al., 2009), el análisis de características cualitativas se

hace por medio de la observación y estudio de espectrogramas, esta parte cualitativa

es de suma importancia para la descripción del llanto ya que proporciona información

adicional que permite identificar variaciones o semejanzas entre llantos normales y

patológicos.

En la actualidad, los médicos analizan los espectrogramas de las señales de llanto

para identificar de manera visual las características cualitativas presentes en el llanto

[1]

2 1. Introducción

de un infante, y de acuerdo a su percepción emiten un posible diagnóstico.

El presente trabajo se enfoca en identificar algunas de las características cualita-

tivas del llanto infantil, consideradas las más relevantes para diferenciar entre llan-

tos normales y patológicos, para lograr este objetivo se propone realizar un análisis

acústico de la señal, para obtener una descripción detallada de éstas características

cualitativas y finalmente emitir un diagnóstico: Llanto Normal/ Llanto con tendencia

a patológico.

1.1. Problemática

Las características cualitativas en el llanto infantil permiten diferenciar razonable-

mente entre llantos normales y patológicos. En la actualidad no se cuenta con ningún

sistema computarizado que sirva de apoyo al médico experto, que permita la identi-

ficación automática de éstas características y que genere alertas sobre alguna posible

patología. Los beneficios de esta búsqueda no son la detección de enfermedades sino

ofrecer una herramienta no invasiva para valorar el llanto y poder intervenir lo más

tempranamente posible en aras de proveer un tratamiento pronto y efectivo.

1.2. Objetivo general

Identificar automáticamente algunas de las características cualitativas del llanto

infantil (tipo de melodía, shift, glide, y concentraciones de ruido), por medio del aná-

lisis acústico de las señales de llanto y generar alertas sobre alguna posible patología.

1.3. Objetivos específicos

Seleccionar las características cualitativas más relevantes para diferenciar entre

un llanto normal y un llanto patológico.

Detectar automáticamente las unidades de llanto en una grabación.

Establecer medidas para cuantificar las características cualitativas.

Establecer reglas que permitan obtener un diagnóstico con base en las caracte-

rísticas cualitativas identificadas en una grabación.


1.4 Contribuciones 3

Mostrar los resultados obtenidos en una interfaz, que permita observar el espec-

trograma de la grabación analizada, y etiquetar las características cualitativas

reconocidas.

De acuerdo a las características cualitativas identificadas automáticamente en

una grabación, emitir un diagnóstico: Llanto normal o Llanto con tendencia a

patológico.

1.4. Contribuciones

Se desarrolló un método basado en la energía de la señal, el cual permite recono-

cer de manera efectiva las unidades de llanto en una grabación de llanto infantil,

este método funciona de manera correcta aún bajo condiciones de ruido.

Con las unidades de llanto detectadas se obtienen otros atributos de interés

para los médicos, éstos atributos son: tiempo de inicio y fin de cada unidad de

llanto, número de unidades de llanto contenidas en la grabación y tiempo total

de llanto en la grabación.

También se desarrolló un método novedoso, al cual nombramos “método del

dodecagrama”, éste método permite identificar automáticamente el tipo de me-

lodía de unidades de llanto: melodía ascendente, melodía descendente, melodía

ascendente-descendente, melodía descendente-ascendente, melodía plana, y sin

forma melódica. El método del “dodecagrama” obtuvo un porcentaje de acier-

to de 90.49 % sobre un conjunto de muestras etiquetadas, acertando en casos

en los cuáles, es difícil determinar el tipo de melodía de forma visual en el

espectrograma.

Con los valores extraídos de la frecuencia fundamental de cada unidad de llanto,

se pudo determinar la presencia de las características cualitativas: shift, glide y

concentracion de ruido de forma automática.

Se desarrolló un sistema de gran utilidad para los médicos expertos, el cual

permite reducir el tiempo y esfuerzo al realizar un análisis cualitativo en una

grabación de llanto infantil.


4 1. Introducción

1.5. Método propuesto

Un procedimiento previo y de vital importancia para la identificación de caracte-

rísticas cualitativas, es la detección de unidades de llanto.

La detección de unidades de llanto consiste en separar los segmentos de llanto de

la grabación, éstos segmentos separados son analizados posteriormente con el objetivo

de identificar en ellos características cualitativas.

Para automatizar el proceso de identificación de características cualitativas, fue

necesario automatizar el proceso de detección de unidades de llanto, por ello, en el

presente trabajo se proponen dos métodos:

El primer método permite detectar y separar de manera automática las unida-

des de llanto de una grabación, eliminando los segmentos sordos, el ruido del

ambiente y sonidos inspiratorios, éste método está basado en la definición de un

umbral aplicado a la energía de la señal, y otro umbral que permite eliminar los

sonidos inspiratorios, obteniendo así, las unidades de llanto útiles para realizar

el análisis cualitativo.

El segundo método permite identificar de manera automática las características

cualitativas de más relevancia para diferenciar entre un llanto normal y un llanto

con tendencia a patológico. El método está basado en (Várallyay et al., 2009b),

y consiste en fijar la frecuencia fundamental en un dodecagrama, y con base en

algunas reglas establecidas, obtener un código de cadena que permite identificar

el tipo de melodía de las unidades de llanto, además, con los valores obtenidos de

la frecuencia fundamental se logra identificar los shifts, glides y concentraciones

de ruido.

1.6. Contenido del documento

Este documento se encuentra organizado de la siguiente manera: En el capítulo 2

se presentan los conceptos básicos sobre el análisis del llanto infantil, sus antecedentes,

fundamentos y demás conceptos relacionados. En el capítulo 3 se presenta una revisión

del estado del arte, tanto en el ámbito de la detección de unidades de llanto, como en

el análisis de las características cualitativas. En el capítulo 4 se detalla la propuesta

de solución, se describe la metodología llevada a cabo, así como los experimentos


1.6 Contenido del documento 5

realizados. En el capítulo 5 se muestran los resultados experimentales para la detección

de unidades de llanto, para la identificación de características cualitativas y para el

diagnóstico. Finalmente en el capítulo 6 se presentan las conclusiones y el trabajo

futuro.


6 1. Introducción


Capítulo 2

Marco teórico

Este capítulo tiene como objetivo presentar los conceptos básicos sobre el análisis

del llanto infantil.

2.1. El llanto

El llanto es el vehículo de comunicación más eficaz del recién nacido. Nada como

el poder del llanto para comunicarse con sus padres.

Un bebé recién nacido anuncia su llegada a través del llanto. El primer llanto

del bebé, abre los pulmones y los pone a trabajar. Contribuye a sacar el líquido de

las vías respiratorias del bebé, de tal manera que éste pueda absorber el oxígeno.

Es un componente importante de la reacción inmediata del bebé, el cual indica su

supervivencia fuera del vientre materno.

El llanto representa fisiológicamente hablando, el control autónomo de los meca-

nismos de inhibición y del despertar (sueño/vigilia), así como la coordinación de la

actividad cardiorespiratoria con la musculatura laringea. Pero el llanto es además, un

evento acústico, que contiene información sobre el funcionamiento del sistema ner-

vioso central (SNC) y puede ser enfocado como una forma de comunicación. Es el

comienzo de la vocalización y tiene implicaciones en el desarrollo futuro de la voz y

del lenguaje (Brazelton, 2003). A través del llanto el bebé expresa sus necesidades y

sentimientos básicos como hambre, calor, incomodidad, dolor, etc.

El llanto es parte de un sistema de regulación, actuando como si fuera una especie

de termostato que se dispara en el momento oportuno para indicar alguna necesi-

dad. En él intervienen procesos de conducta y fisiológicos para mantener el balance

homeostático, regulando la duración y frecuencia del cuidado y atención del infante.

[7]

8 2. Marco teórico

Este sistema de regulación por el llanto es la primera línea de defensa del organismo,

constituyendo señales tempranas de alerta. Si el llanto forma parte de este sistema de

regulación, potenciales variaciones en la acústica del llanto pudieran correlacionarse

con cambios en este sistema.

Hay un ancho rango de variaciones en la calidad del llanto del niño. Diferencias

temperamentales son responsables de estas variaciones, además, los infantes lloran

por diferentes razones a diferentes edades. El significado funcional del llanto cambia

con la edad. En los dos primeros meses el llanto es por muchas razones, a veces

inexplicables, porque el infante necesita atención por algún motivo. Entre los siete y

nueve meses, el llanto es por precaución, por el miedo a lo extraño y la separación

de personas cercanas a él. A esta edad se incrementa la habilidad cognoscitiva y

la memoria. El llanto se torna más diferenciado, las madres hablan del llanto de

enojo y del llanto de atención por hambre o pánico, lo que indica que un cambio en

la fisiología y anatomía del niño está ocurriendo, el sistema nervioso del niño se está

organizando. La conducta contribuye a la regulación fisiológica y el llanto juega un rol

importante en este proceso, este llanto ayuda a reducir tensiones. El periodo de doce

a veinticuatro meses es importante en cambios de maduración del sistema nervioso y

en la adquisición de conocimientos, las emociones son particularmente fuertes en este

periodo, el niño lucha por su autonomía, el llanto puede ser por el temor al fracaso,

desarrollando en él un sentido del derecho e injusticia. Los infantes entienden los

cambios de regla cuando los padres les imponen límites, que ellos rechazan pero que

además quieren.

Alrededor del segundo año de vida el berrinche es usual debido a las frustraciones,

como por ejemplo en los juegos donde el niño siente la necesidad de cierta indepen-

dencia y de hacer prevalecer su individualidad. Entre los cinco y siete años el llanto

está asociado al proceso de adaptación a la escuela y en la adolescencia a emociones

que generalmente están asociadas a culpa.

2.2. Antecedentes del análisis del llanto infantil

El análisis del llanto infantil inició con los estudios de Gardiner (Reyes et al.,

2009) (Martínez et al., 2004), hace 186 años. Gardiner dio una primera descripción

del llanto a partir de su ubicación en el teclado de un piano. A partir del estudio de

Gardiner han surgido varios trabajos, los cuales han tratado de describir los procesos


2.2 Antecedentes del análisis del llanto infantil 9

de generación y percepción del llanto infantil. A continuación se describe de manera

muy general, algunos de los trabajos más relevantes en el área del análisis del llanto

infantil.

A lo largo de los años 60’s se efectuaron importantes estudios guiados por Waz-

Höckert y Lind, a través del análisis auditivo y espectrográfico, vinculándose rasgos

anormales de parámetros característicos del llanto con problemas médicos. Entre estos

trabajos se encuentran: las anormalidades orofaríngeas (Lind y otros, 1965; Massen-

gill, 1968; Michelson y otros, 1975, (Raes et al., 1980); (Raes et al., 1982), asfixia

neonatal (Wasz-Höckert et al., 1968), (Michelsson, 1971); (Michelsson et al., 1977),

bajo peso al nacer (Michelsson, 1971), herpes encefalitis e hipotiroidismo congénito,

y otras más.

En las décadas de los 80 y 90, se abordaron aspectos puntuales del análisis del

llanto como: características espectrográficas (Michelsson, 1980), características acús-

ticas de los primeros llantos (Gardosik et al., 1980), análisis acústico del llanto normal

de dolor (Thoden et al., 1980), características acústicas y perceptuales de tipos de

llantos de niños (Murry, 1980), patrones de frecuencia fundamental (Keating, 1980),

llanto y madurez (Prescott, 1980), llanto infantil, una guía para el diagnóstico (Golub

et al., 1982), el modelo Fisioacústico del Llanto Infantil (Golub et al., 1985), la comu-

nicación y el significado del sonido del llanto (Ostwald, 1985), y el modelo Biosocial

del Llanto Infantil (Lester, 1984).

Otros trabajos estuvieron enfocados a la detección y diagnóstico de patologías,

tales como: la predicción del resultado evolutivo a través del análisis acústico del

llanto en niños a término y pretérmino (Lester, 1989), evaluación en la variabilidad

del llanto en niños de alto riesgo (Rapisardi et al., 1989), llantos en niños con Hiper-

bilirrubinemia (Koivisto, 1987), significación y determinación del tono en llantos de

recién nacidos y el espectro de la melodía como una medida de la variabilidad de la

frecuencia fundamental (Wermke et al., 1987), variabilidad de la melodía del llanto y

su espectro como indicador en ciertas patologías del Sistema Nervioso Central (Mende

et al., 1990b), bifurcación y caos en el llanto de recién nacidos (Mende et al., 1990a),

hacia una terminología estandarizada y metodología para la medición de la duración

del llanto característico de dolor(Raes et al., 1990), el jittler-index de la frecuencia

fundamental del llanto infantil como posible herramienta de diagnóstico en la predic-

ción de problemas futuros (Grauel et al., 1990), valor del análisis acústico del llanto

infantil con patología y respiración con ruido en la práctica diaria (Hirschberg, 1990).


10 2. Marco teórico

Después de los años 90 los principales esfuerzos de los investigadores del análisis

acústico del llanto infantil estuvieron vinculados con: la discriminación acústica de

llanto (Fuller, 1991), características acústicas del llanto de niños de madres expuestas

a drogas (Corwin et al., 1992); examen de comparación de señales de llanto y habla

usando el método de alta resolución del tono (Rothgänger et al., 1993); alteración de

parámetros acústicos en el llanto de neonatos (Rothenberg et al., 1995); característi-

cas acústicas del llanto de recién nacidos que son afectados por el Síndrome Infantil

de Muerte Súbita, (Corwin et al., 1995), clasificación de llanto infantil usando re-

des neuronales artificiales (Petroni et al., 1995), el análisis espectral del llanto infantil

(Cano et al., 1995); características de las prevocalizaciones en gemelos (Wermke et al.,

1996); análisis espectrográfico en recién nacidos (Michelsson et al., 1996); evaluación

automática del nivel de distress de la señal de llanto (Xie et al., 1996), efectos del

consumo de alcohol y uso de cigarros durante el embarazo en el análisis acústico del

llanto (Nugent et al., 1996), redes neuronales y mapas autoorganizados: nuevas téc-

nicas usando computadora en la evaluación acústica del llanto infantil (Schönweiler

et al., 1996), características acústicas en llantos de niños con cólico (Zeskind et al.,

2006); diferencias perceptivas en llantos de niños reveladas por modificaciones de ras-

gos acústicos(Protopapas et al., 1997); análisis acústico de llanto infantil de recién

nacidos (Fort et al., 1998); uso de los mapas auto-organizados de Kohonen en la clasi-

ficación del llanto infantil (Cano et al., 1999), análisis de llanto infantil para detección

temprana de daño auditivo (Möller et al., 1999); disfonía en niños (Hirschberg, 1999);

fonación en recién nacidos (Michelsson et al., 1999).

Es precisamente a mediados de los 90 donde aparecen dos hechos significativos.

El uso de los modelos conexionistas (redes neuronales artificiales RNA) como nuevo

enfoque en la clasificación de llanto infantil, así como el primer trabajo del análisis del

llanto en el área iberoamericana presentado en el EUROSPEECH’95 por especialistas

del Grupo de Procesamiento de Voz de la Universidad de Oriente de Cuba, vinculado

al diagnóstico de patologías del Sistema Nervioso Central con trasfondo de hipoxia

en neonatos cubanos.

Con el arribo del nuevo siglo, nuevas contribuciones al análisis del llanto infantil

aparecieron en escenario, destacando el surgimiento del Grupo Mexicano del análisis

del llanto, con importantes contribuciones a la clasificación de llanto infantil con fi-

nes diagnósticos, principalmente en hipoacusia y en el uso de nuevas aproximaciones

como las genético-evolutivas: el análisis espectrográfico del llanto de recién nacidos


2.2 Antecedentes del análisis del llanto infantil 11

después de un estímulo doloroso (Runefors et al., 2000); análisis de llanto y prevoca-

lizaciones en niños con Epilepsia (Ruiz et al., 2000); estudio de rasgos acústicos de

llantos de recién nacidos y su correlación con el contexto (Baeck et al., 2001); análi-

sis espectral de prevocalizaciones en llanto espontáneo de niños con labios hendidos

(Wermke et al., 2002a), evolución de la frecuencia fundamental en llanto espontáneo

(Lind et al., 2002), uso de los modelos ocultos de Markov en la clasificación del llanto

infantil (Lederman et al., 2002); aspectos evolutivos de la melodía y formantes en el

llanto infantil (Wermke et al., 2002b), efectos de la exposición a drogas de madres en

gestación en el neurodesarrollo predicativo del niño de un mes de nacido Lester et al.

(2002); análisis acústico de cambios evolutivos y expresión emocional en prevocali-

zaciones de niños Sheiner et al. (2002), características del llanto de 172 niños sanos

de uno a siete días de nacidos (Michelsson et al., 2002), extracción de coeficientes

cepstrales de frecuencia mel (MFCC) del llanto infantil para clasificación de llanto

usando redes feedforward (Orozco et al., 2003a), análisis de características acústicas

para el reconocimiento de llanto en niños normales e hipoacúsicos basado en redes

neuronales (Orozco et al., 2003b), análisis de sonidos del niño en el primer año de

vida y vinculación con el lenguaje (Rothgänger, 2003), análisis de llanto de niños

hipoacúsicos y niños normales (Arch et al., 2004), función de base radial orientada

a la clasificación del llanto infantil (Cano et al., 2004), evaluación del llanto infantil:

análisis acústico del llanto y percepción por los padres LaGasse et al. (2005).

En esta sección se mencionaron las principales contribuciones de los investigadores

del llanto infantil. Como pudimos observar, los antecedentes del análisis del llanto

infantil datan desde hace ya 186 años. En todo este tiempo han surgido infinidad de

estudios, contribuciones y nuevos enfoques para el análisis del llanto, con el objetivo de

desarrollar metodologías de identificación y diagnóstico. Además, todos éstos avances

se han potencializado con el uso y desarrollo de equipos de cómputo.

Aunque el llanto infantil ya ha sido motivo de numerosas investigaciones en todo

el mundo. Y aunque ha mostrado ser una herramienta no invasiva, y de gran utilidad

y potencialidad para el diagnóstico. El análisis del llanto aún no se realiza a todo

infante como estudio de rutina, como el tamiz o la exploración neurofisiológica.

En el tema de análisis cualitativo aún hay mucho por hacer. Ya se han logrado

establecer reglas, que permiten diferenciar entre llantos normales y patológicos, pero

el análisis cualitativo se sigue realizando de forma manual. En la actualidad, apenas

se está iniciando con el desarrollo de metodologías que permitan la automatización



de este proceso. Esperando que en un futuro no muy lejano, el análisis del llanto sea

un estudio clínico común para todo infante en sus primeros días de vida.

2.3. Fundamentos del análisis del llanto infantil

2.3.1. Propiedades fisiológicas del llanto

El llanto es el reflejo de una variedad de funciones neurofisiológicas complejas que

ocurre durante la fase espiratoria de la respiración. Durante esta fase se realiza la

exhalación y esta fase puede ser activa o pasiva e involucra la producción de sonidos

desde las cuerdas vocales y los siguientes movimientos supraglóticos: 1) Se contraen

los músculos constrictores de la faringe y el elevador del velo del paladar; el istmo

palatofaríngeo permanece cerrado durante las espiraciones sonoras más enérgicas. 2)

La boca se abre por descenso de la mandíbula. El cuerpo de la lengua se eleva en

relación con la mandíbula y aparece un surco en la línea media lingual. La punta

de la lengua se eleva y sobresale de la cavidad bucal abierta. 3) Hay contracción

generalizada de la musculatura facial, que comprende el orbicular de los labios y el

radial de la expresión facial, el orbicular de los párpados y el frontal y 4) La cabeza

se extiende a nivel del cuello (Martínez et al., 2004).

Estos comportamientos generales están sincronizados con las coordinaciones recí-

procas de la espiración e inspiración forzadas. Durante las inspiraciones parte de la

lengua se aplana y se eleva hacia el paladar; cumpliéndose las inspiraciones por la

nariz (Paparrella, 1994).

Las características acústicas del llanto dependen de la intensidad del aire expul-

sado, la tensión, longitud, grosor y forma de las cuerdas vocales, así como la forma,

longitud y tensión de la caja de resonancia (la cavidad por arriba y por debajo de la

laringe actúa como caja de resonancia). La relajación de la musculatura en la cámara

de resonancia apaga las altas frecuencias, mientras que la tensión de los músculos ac-

túa en la forma opuesta. Estos músculos se encuentran bajo control neural (Koivisto,

1987). En la Figura 2.1 se muestra el conjunto del aparato fonador y respiratorio.


2.3 Fundamentos del análisis del llanto infantil 13

Figura 2.1: Aparato fonador y respiratorio.

2.3.2. Mecanismo de producción del llanto

El mecanismo de producción del llanto en los infantes es parecido al proceso de

producción de habla en los adultos. La primera fase del mecanismo de producción

del llanto se inicia en el cerebro del infante, debido a un estímulo interno o externo

(hambre, dolor, etc.). En la segunda fase el comando del cerebro es traducido en series

de comandos por medio del sistema nervioso al habla y a los miembros respiratorios.

Los cuales son responsables para la creación de sonidos acústicos en el nivel psicoló-

gico. Este proceso continúa con la expulsión del aire de los pulmones al tracto vocal

(Lederman, 2002). El tracto vocal inicia en las cuerdas vocales y termina en los labios.

Los tractos están construidos desde la faringe la cual interconecta la boca y el esófago,

la cavidad bucal y la nasal, las cuales inician en el velo del paladar y terminan en la

boca.

Mientras sucede la ulterancia del sonido, el estatus del tracto vocal cambia, cam-

biando el estatus y la posición de los órganos internos, de esta manera se forman las

diferentes características acústicas.

La laringe consiste de las cuerdas vocales, las cuales vibran como resultado de la

presión del aire, movimientos musculares y las características físicas de las cuerdas. La

frecuencia en la cual la cuerda vibra es llamada frecuencia fundamental, que cuando

es medida por una evaluación auditiva subjetiva es llamada pitch.

Hay dos mecanismos que pueden generar la energía acústica de la señal del llanto.

La primera es conocida como excitación sonora y ocurre en la laringe, este es el



mecanismo que produce los sonidos sonoros. El segundo mecanismo es una turbulencia

producida por un cierto grado de oclusión en el tracto vocal externo (velo del paladar,

lengua, dientes, labios), los sonido generados de esta forma son llamados sordos.

El tracto vocal actúa como una cavidad de resonancia, la cual amplifica ciertos

componentes de frecuencia mientras atenúa otros. Las frecuencias de resonancia son

determinadas por la forma instantánea del tracto vocal.

2.3.3. Modelo de Golub

El modelo de Golub fue diseñado para seleccionar las características acústicas

que permitieran identificar a los infantes en riesgo médico (Golub, 1979). El modelo

asume la teoría de fuente-filtro, es decir, la onda acústica que irradia desde la boca

del infante es vista como función fuente, y el aire de los pulmones siendo empujado a

través de las cuerdas vocales de la laringe, como filtro el resto de la pista vocal.

El aspecto más interesante del modelo de Golub, es el desarrollo de las bases

fisiológicas de la producción del llanto. El modelo asume tres niveles de procesamiento

central de los músculos que contribuyen a la fuente y a los filtros del llanto. Éstos tres

niveles se identifican como procesamiento alto, medio y bajo.

El procesamiento alto lo determina el estado del infante (dolor, irritabilidad, etc.).

El procesamiento medio tiene que ver con los estados vegetativos del infante (deglu-

ción, tos, digestión, etc.). El procesamiento bajo implica el control de los grupos

musculares, incluyendo los músculos faciales, subglóticos, supraglóticos y la glotis.

Todos estos músculos están coordinados cuando el infante llora.

En el modelo se asume que los músculos subglotal (respiratorio), supraglotal (fil-

tro), glotal (laringe) son controlados independientemente, lo cual, lleva a la hipótesis

central del modelo, que afirma, que si los grupos musculares son controlados de forma

independiente, entonces las diferencias del llanto, causadas por cada uno de ellos,

puede conducir a la identificación y diagnóstico de alguna anomalía específica a una

patología en esa zona.

Golub, propuso varias pruebas de llanto, por ejemplo, hay una prueba de inesta-

bilidad glotal, una prueba de constricción del tracto vocal y una prueba de esfuerzo

respiratorio anormal. Éstas pruebas debían reflejar anomalías en diferentes lugares del

Sistema Nervioso Central (Golub, 1979), como la independencia entre los músculos

asociados con la glotis y las vías nasofaríngeas. Golub sugirió, que el nervio craneal



Figura 2.2: Modelo de Golub.

X (nervio vago), es crucial en los procesos del músculo glotal, y por lo tanto, en las

formas de fonación del llanto y en su frecuencia fundamental.

Ha habido modificaciones al modelo de Golub. La más importante por (Lester,

1987), quién añadió los nervios craneales IX, XI y XII al nervio X, como indispen-

sables para la acústica del llanto. Éstos nervios craneales, tienen influencia sobre los

músculos de la laringe, la faringe, el pecho y el cuello. Lester también afirma que

éstos nervios y los núcleos de origen de éstas vías, afectan la acústica del llanto. El

modelo sigue haciendo énfasis en la frecuencia fundamental (tanto en su media, como

en su variabilidad) y en las frecuencias de los formantes asociados con el llanto, como

medidas que reflejan el funcionamiento del Sistema Nervioso Central.

Como se observa en la Figura 2.2 el modelo se divide en cuatro partes. La pri-

mera parte es el sistema subglotal (respiratorio) que es el responsable de desarrollar

la presión (Ps(t)) por debajo de la glotis necesaria para manejar o influir en la fuente

de pliegues vocales. La segunda parte es la fuente de sonido localizada en la laringe.

La fuente de sonido puede ser descrita matemáticamente, en el dominio frecuencial,

como una fuente periódica (S(f)) o como una fuente ruidosa o turbulencia (N(f)).

Esas fuentes pueden operar de forma aislada, o como ocurre frecuentemente, en for-

ma simultánea. Ambas fuentes acústicas se originan en los pliegues vocales. La fuente

periódica resulta de la vibración de los pliegues. El ruido de turbulencia está asociado

a la turbulencia creada por el paso forzado del aire proveniente de los pulmones a



través de una pequeña abertura debida a un cierre incompleto de los pliegues voca-

les. Rothember (1974) demostró que los adultos exhiben el mismo tipo de ruido de

aspiración, a un grado más bajo, durante la producción (o generación) de sonidos

vocálicos.

La tercera fuente la constituyen los tractos vocal y nasal localizados sobre la

laringe. Esta parte del sistema de producción del llanto es un filtro acústico que tiene

una función de transferencia (T(f)) cuyas características cambian con la forma y

longitud de los tractos vocal y nasal. La cuarta parte del sistema es la característica

de radiación (R(f)) que describe el filtrado del sonido entre la boca del niño y el

micrófono localizado a una distancia dada.

El espectro de frecuencia del sonido en la salida puede ahora ser construido mul-

tiplicando los espectros de cada una de esas tres partes, teniendo en cuenta que la

amplitud del sonido está directamente relacionada a la presión subglotal (Ps(t)). La

formulación matemática de la teoría acústica inicialmente desarrollada para la produc-

ción de voz adulta (Fant, 1960), (Flanagan, 1972), puede ser aplicada a la producción

del llanto infantil (Golub, 1979). Esta formulación simbólicamente representada por:

Salida = Fuente * Filtro. Se usa como una guía para la interpretación de los aspectos

dinámicos del sistema lineal fuente - filtro, relativa al llanto infantil (Golub et al.,

1982), (Wasz-Höckert et al., 1968).

El modelo de producción del llanto tiene dos componentes básicas: (Reyes et al.,

2009)

La componente acústica: describe cómo el sonido se genera en la laringe y en

las vías aéreas por encima de la laringe.

La componente fisiológica: describe cómo son controladas la configuración y

movimiento de las estructuras respiratorias laríngea y supralaringea.

2.3.4. Técnicas del análisis del llanto infantil

Las técnicas clásicas del análisis del llanto infantil han sido:

Análisis auditorio o perceptual: En esta técnica, el análisis del llanto es a tra-

vés del oído, descrito en la antigüedad por Hipócrates, y retomado en 1855 por

Darwin en sus tratados sobre el llanto infantil (Michelsson et al., 2007). Más

recientemente (Wasz-Höckert et al., 1964), encontraron que en sus grabaciones



los llantos de hambre, dolor, placer y nacimiento podían ser identificados au-

ditoriamente. Más tarde estos mismos investigadores junto con Lind (Valanne

et al., 1967), encontraron que las madres son capaces de reconocer a sus hijos

por medio de su llanto. Se comprobó además que después de un periodo de

tiempo relativamente corto, aproximadamente 2 horas, 82 pediatras pudieron

diagnosticar llantos patológicos entre llantos normales con alta precisión, ade-

más de hacer un diagnóstico diferencial de una patología específica con un grado

menor de precisión.

Análisis en el dominio del tiempo: La información en el dominio del tiempo

se obtiene a partir de equipos que grafican en papel la magnitud de sonido

contra tiempo. Lind et al. (1965), utilizaron un oscilógrafo para estudiar el

curso de tiempo de las duraciones y periodos de latencias de diferentes tipos de

llanto, descubrieron que las fonaciones iniciales en un llanto grabado, son más

irregulares que aquellas que aparecen una vez que el infante está completamente

exitado. Otros investigadores han utilizado ésta técnica para analizar llantos de

niños con daños cerebrales difusos, y para estudiar las duraciones entre llantos

de hambre, dolor y fastidio. Obteniendo resultados que muestran que puede

obtenerse información útil utilizando instrumentos en el dominio del tiempo

(Reyes et al., 2009).

Análisis en el dominio frecuencial: Permite el paso de la señal en un rango de

frecuencia dado. Mide la magnitud promedio en ese rango y da una represen-

tación visual de esa magnitud. Además, se pueden comparar las magnitudes de

una serie de rangos de frecuencias. (Ostwald et al., 1962) utilizaron un analiza-

dor de media octava para examinar el llanto de 32 gemelos y concluyeron que la

variabilidad de las mediciones del tono (pitch) y las características temporales

de los gemelos, pudieran ser explicadas por las diferencias en el peso, tamaño,

desarrollo físico, y vigor de los infantes grabados. Además concluyeron que éstos

factores determinaron el tipo de llanto y que los factores hereditarios no jugaban

un rol importante. Posteriormente, determinaron que la frecuencia fundamental

para un infante normal está entre 425Hz y 600 Hz.

Estos dispositivos solo brindan información sobre la magnitud de la señal en

varios rangos de frecuencia, pero no brindan información temporal, es por ello

que la información ofrecida por este tipo de técnica es limitada.



Análisis espectrográfico: El espectrógrafo de sonido genera una información vi-

sual permanente. Mostrando la distribución de energía tanto en frecuencia como

en tiempo. Su origen se sitúa en los laboratorios Bell en la década de los 30’s. Ha

sido un dispositivo de gran ayuda en muchas áreas del procesamiento de señales,

voz adulta, sonidos de animales, música y llanto infantil. En años posteriores

la mayoría de los estudios del llanto infantil (décadas de los 60’s y 70’s) han

utilizado los servicios del espectrógrafo de sonido. En la actualidad su versión

digitalizada es herramienta obligada en el análisis del llanto, prevocalizaciones

y voz adulta.

El uso del espectrograma presupone la presencia de atributos o parámetros los

cuales pueden agruparse en dos categorías generales:

• Aspectos de duración

◦ Periodo de latencia: Periodo entre el estímulo de dolor aplicado al niño

y el inicio (onset) del sonido de llanto. El onset del llanto está definido

como la duración de la primera fonación que dura mas de 0.5 segundos

en el tiempo.

◦ Duración: Es una medida desde el inicio del llanto hasta el final de la

señal y consiste en las vocalizaciones totales que ocurren durante una

expiración o inspiración simple.

◦ Segunda pausa: El intervalo de tiempo entre el final de la señal y la

siguiente inspiración.

• Aspectos de frecuencia:

◦ Frecuencia fundamental (f0).

◦ Formantes.

◦ Pico máximo.

◦ Pico de cambio.

◦ Fluctuación glótica.

◦ Vibrato.

◦ Tipo o forma melódica.

◦ Doble ruptura armónica.

◦ Bifonación.


2.4 El espectrograma 19

◦ Deslizamiento.

◦ Concentración de ruido.

◦ Bifurcación

Análisis asistido por computadoras: Todos los análisis descritos anteriormente

dan una información acústica muy útil. Sin embargo tienen significativas limita-

ciones. La más importante de ellas, es que la extracción acústica es un proceso

difícil y tedioso. En años más recientes se han desarrollado prototipos de siste-

mas autónomos asistidos por computadoras que pueden extraer la información

acústica relevante de forma inmediata.

El procesamiento de información de estos sistemas comprende más o menos los

siguientes pasos:

• Grabación del llanto.

• Obtención de los parámetros: frecuencia fundamental, formantes y ampli-

tud vs tiempo.

• Generación de espectrogramas digitales.

• Muestreo de los contornos de la frecuencia fundamental.

• Desarrollo de un nuevo número de aspectos a partir de los parámetros y

muestras iniciales por procedimientos que incluyen: premediación de los

modos de llanto, cálculo de la probabilidad de estar en algún modo espe-

cífico en un punto dado del llanto.

• Agrupamiento de aspectos relevantes en un conjunto de pruebas de diag-

nóstico.

• Implementación de novedosos procedimientos en el área del soft-computing

(RNA, sistemas genético–evolutivos, minería de datos, etc).

2.4. El espectrograma

Un espectrograma es la representación gráfica de un sonido (o una secuencia de

sonidos), en la que se visualizan los tres parámetros acústicos de frecuencia, intensidad

y tiempo.



Figura 2.3: Espectrograma.

La duración (en segundos) de la emisión se representa en el eje de las abscisas, eje

sobre el cual se puede delimitar cada segmento constitutivo de la emisión. En el eje

de las ordenadas se representan las frecuencias (en Hz).

La intensidad (o energía) viene dada, de manera relativa y cualitativa, por el grado

de negrura. Para conocer con mayor precisión la intensidad se recurre a la curva de

la energía.

Además de estos tres parámetros, el espectrograma proporciona otras caracterís-

ticas del sonido, entre las cuales se destaca una de mayor importancia: la estructura

formántica de los componentes. Los formantes son las regiones de frecuencia de ma-

yor intensidad, es decir, el conjunto de armónicos u ondas simples cuyas frecuencias

han sido reforzadas por los resonadores bucales. Los formantes, que poseen la mayor

energía de todo el espectro, están representados por unas bandas negras horizontales

de cierta anchura.

En la Figura 2.2, se puede observar un espectrograma obtenido con el software

CoolEdit 2002.

2.5. Detección del llanto

La detección del llanto está definida como un procedimiento en donde los sonidos

de llanto son seleccionados de la grabación. Como hay diferentes tipos de llanto, y


2.6 Variables cuantitativas 21

podría haber sonidos erróneos (ruido de fondo, sonidos inspiratorios, etc.), la detección

del llanto ha sido realizada manualmente por varios equipos de investigación como

(Makói et al., 1975), (Wermke et al., 2002b). Por ejemplo (Hirschberg et al., 1982)

y (Michelsson et al., 1999) por medio del análisis espectrográfico del llanto infantil,

seleccionaron los sonidos de llanto manualmente después de visualizar los llantos sobre

un espectrograma .

(Várallyay et al., 2009a) desarrollaron el sistema AICD (Automatic Infant Cry

Detection) el cual afirman es un sistema que permite la detección de llanto en cualquier

tipo de grabación.

2.6. Variables cuantitativas

Son variables que se expresan mediante cantidades numéricas. Las variables cuan-

titativas además pueden ser (Wikipedia, b):

1.- Variable discreta: Es la variable que presenta separaciones o interrupciones en la

escala de valores que puede tomar. Estas separaciones o interrupciones indican

la ausencia de valores entre los distintos valores específicos que la variable pueda

asumir.

2.- Variable continua: Es la variable que puede adquirir cualquier valor dentro de

un intervalo especificado de valores. Por ejemplo, el peso (2,3 kg, 2,4 kg, 2,5 kg,

...) o la altura (1,64 m, 1,65 m, 1,66 m, ...), que solamente está limitado por la

precisión del aparato medidor, en teoría permiten que siempre exista un valor

entre dos cualesquiera.

2.7. Variables cualitativas

Son las variables que expresan distintas cualidades, características o modalidad.

Cada modalidad que se presenta se denomina atributo o categoría y la medición

consiste en una clasificación de dichos atributos. Las variables cualitativas pueden

ser ordinales y nominales. Las variables cualitativas pueden ser dicotómicas cuando

sólo pueden tomar dos valores posibles como sí y no, hombre y mujer. Son politómi-

cas cuando pueden adquirir tres o más valores. Dentro de ellas podemos distinguir

(Wikipedia, b):



1.- Variable cualitativa ordinal: La variable puede tomar distintos valores ordenados

siguiendo una escala establecida, aunque no es necesario que el intervalo entre

mediciones sea uniforme, por ejemplo, leve, moderado, grave.

2.- Variable cualitativa nominal: En esta variable los valores no pueden ser someti-

dos a un criterio de orden como por ejemplo los colores o el lugar de residencia.

2.8. Características cuantitativas del llanto infantil

Duración de la fonación: Es el tamaño o duración del llanto espiratorio audible

después del estímulo hasta la siguiente inspiración. Esta inspiración es llamada

fonación y puede ser interrumpida o continua. Si se interrumpe, éstos segmentos

o partes son referidos como señales o unidades de llanto. Así la fonación puede

contener una o más señales. La señal más larga es la señal principal.

La duración de la fonación varia ampliamente de 1.0 hasta 6.0 segundos. (Koivis-

to, 1987) analizaron la duración de la fonación en llanto inducido y demostraron

que la primera fonación después de un estímulo doloroso es más larga que las si-

guientes fonaciones. El promedio de la primer señal varía de 4.1 a 5.2 segundos,

mientras que la segunda es de 1.6 a 2.0 segundos.

(Lind et al., 2002) realizaron un estudio en infantes sanos e hicieron un se-

guimiento de sus llantos durante tres meses. Seleccionaron solamente los llantos

que tenían armónicos ya que mencionan que los llantos con sub-armónicos o con

exceso de ruido producen errores en las mediciones de la frecuencia fundamental

(f0).

Para el análisis de la f0, dividieron los llantos en dos categorías:

• Llanto tipo I: Llantos largos mayores a los 0.8 segundos.

• Llanto tipo II: Llantos cortos menores a los 0.8 segundos.

Seleccionaron el umbral de 0.8 segundos porque muchos sonidos del llanto du-

rante los primeros meses de vida son cortos, menores a los 0.8 segundos de

duración. (Lind et al., 2002)

Sin embargo un estudio realizado por (Corwin et al., 1995). Analizando llantos

de entre el día 2 y 7 de vida, y utilizando el criterio para una unidad de llan-


2.9 Características cualitativas del llanto infantil 23

to, como un sonido con una duración mínima de 0.5 segundos, clasificaron la

duración del llanto como:

• No. de llantos largos: número de sonidos con duración mínima de 0.5 se-

gundos.

• No. de llantos cortos: número de sonidos de llanto con duración menor a

0.5 segundos.

Frecuencia Fundamental: Es la frecuencia más baja del espectro de frecuencias

tal que las frecuencias dominantes pueden expresarse como múltiplos de esta

frecuencia fundamental (Wikipedia, a). Se mide en ciclos/segundo o Hertz y se

refiere al número de veces que una forma de onda compleja se repite a si misma

en un segundo.

En el análisis del llanto, la terminología fonética se desvía un tanto del signifi-

cado original de la frecuencia fundamental. Por ejemplo, en fonética el término

Pitch generalmente se refiere a la sensación de las diferencias percibidas en la

frecuencia fundamental de los pliegues vocales. Sin embargo, en estudios del

llanto, el pitch ha sido usado para indicar la medida más alta de la frecuencia

fundamental presente en un espectrograma (Michelsson et al., 2007).

Las características de la frecuencia fundamental más comúnmente usadas son:

la media fundamental y los puntos más alto y más bajo en el espectrograma.

2.9. Características cualitativas del llanto infantil

Tipo de Melodía o Forma Melódica: El tipo de melodía se clasifica en: ascen-

dente, descendente, ascendente-descendente, descendente-ascendente, plana y

sin forma melódica.(Michelsson et al., 2007)(Reyes et al., 2009)

La melodía puede ser descrita con base en los siguientes atributos: duración,

rango de frecuencia y forma. (Várallyay et al., 2009a)

Para Wermke (2002), la complejidad de la forma melódica es un buen indicador

de la maduración neuromuscular. La variación de las frecuencias de resonancia

o formantes permite una estimación de la actividad articulatoria de las vocali-

zaciones pre-habla.



(a) Melodía ascendente (b) Melodía descendente

(c) Melodía ascendente-descendente (d) Melodía descendente-ascendente

(e) Melodía plana (f) Sin forma melódica

Figura 2.4: Tipos de melodías.

La forma melódica que prevalece durante las primeras semanas de vida en in-

fantes sanos es ascendente-descendente (Figura 2.4c), mientras que en sanos

bajo condiciones de dolor se reporta como descendente (Figura 2.4b).

Las formas melódicas ascendente (Figura 2.4a), descendente-ascendente (Figu-

ra 2.4d), plana (Figura 2.4e), y sin forma melódica (Figura 2.4f) han sido

reportadas por presentarse en cerca del 10 al 20 % de los llantos en infantes

sanos (Arch et al., 2006).

Deslizamiento o glide: Es un cambio súbito de la frecuencia fundamental (f0).

Figura 2.5. En el glide, el cambio de la f0 ha sido definido como al menos 600


2.9 Características cualitativas del llanto infantil 25

Figura 2.5: Deslizamiento o glide.

Figura 2.6: Vibrato.

Hz en 0.1 seg.(Michelsson et al., 2007), (Reyes et al., 2009).

Vibrato: Se define como una serie de ondas con al menos cuatro movimientos

de ascenso y descenso en la frecuencia fundamental (Michelsson et al., 2007),

Figura 2.6.

Concentración de Ruido: Llanto con un audible alto pico energético, usualmen-

te en 2000-2500Hz durante cada expresión fonatoria (Michelsson et al., 2007),

Figura 2.7.

Existe una evidencia sustancial de que la vibración de las cuerdas vocales es un

proceso no lineal y los efectos combinados de eventos biomecánicos no lineales y

eventos aerodinámicos pueden producir comportamiento de vibración irregular

como la bifurcación y caos. Los patrones caóticos y subarmónicos se han encon-

trado en llantos de infantes sanos así como en infantes con varias complicaciones

perinatales (Reyes et al., 2009).



Figura 2.7: Concentración de ruido.

Se ha descrito que un incremento de dolor induce una transición caótica en la

oscilación de las cuerdas vocales de recién nacidos, por lo que el llanto aso-

ciado con el dolor está estrictamente relacionado a patrones de ruido en los

espectrogramas (Michelsson et al., 2007), (Reyes et al., 2009).

Glotal roll o vocal fry

Se define como una fonación de intensidad débil y baja frecuencia fundamental

por debajo del valor de normalidad del pitch, ocurre en el inicio o al final de la

fonación. El glotal roll debe ser considerado si su duración continúa por más de

0.1 segundo (Reyes et al., 2009).

Algunos llantos terminan con una baja intensidad y decremento en el pitch.

En el glotal roll la frecuencia fundamental y sus armónicos son visibles pero a

causa del bajo rango de frecuencia son difíciles de medir en los espectrogramas.

El punto más bajo de la frecuencia fundamental es usualmente medido de un

punto donde la frecuencia fundamental es visible. El glotal roll algunas veces es

precedido por un vibrato (Michelsson et al., 2007).

Doble ruptura armónica: Se define como una presentación de otras series si-

multáneas de armónicos que tienen la misma forma melódica como la f0 o los

armónicos pero de baja intensidad. Estas son perceptibles si excede 0.1 segundos

de duración (Michelsson et al., 2007).

Shift o desplazamiento brusco del pitch: Es un repentino cambio o movimiento

de ascenso o descenso de la f0. Se considera shift cuando este cambio de pitch

es de 100Hz o más y menor a los 600Hz.


2.10 Enfermedades en las que se presentan algunas de las características cualitativas 27

Los cambios repentinos de la frecuencia fundamental pueden presentarse al

inicio, en medio o al final de la señal del llanto, es una de las característi-

cas cualitativas con mayor índice de presentación en el llanto del infante, sin

que esto indique necesariamente una patología (Michelsson et al., 2007).

Bifonación: Es el resultado de dos fuentes de sonido vibrando, es decir, series

dobles de frecuencias fundamentales con diferente tipo de melodía y pitch una

va disminuyendo y la otra aumenta, con duración mayor a 0.1 seg. (Michelsson

et al., 2007).

La bifonación es un evento mecánico resultante de la vibración incoordinada de

las cuerdas vocales, las cuales vibran a diferente frecuencia, dando un cuadro

espectrográfico en el que se identifican dos frecuencias que generalmente se

encuentran dispuestas una en forma ascendente y otra de forma descendente

(Reyes et al., 2009).

En los infantes prematuros el llanto es de corta duración, alta f0 y bifonación.

Jitter: Es un término para la variación de onda a onda en la frecuencia funda-

mental.

Glottal Plosive: Una rápida apertura y cierre de los pliegues vocales que resulta

en una breve producción de turbulencia de aire.

Furcation: Este término denota una división en la frecuencia fundamental, donde

una señal de llanto relativamente fuerte y abrupta, se rompe en series débiles,

cada una de éstas con su contorno fundamental.

2.10. Enfermedades en las que se presentan algunas

de las características cualitativas

Hiperbilirrubinemia: En la hiperbilirrubinemia se presentan llantos débiles, de

baja amplitud en los espectros, frecuencia fundamental aumentada, llanto arrít-

mico, latencia prolongada con largos intervalos entre llantos. En estudios espec-

trográficos se observan: bifonación, bifurcación, concentración de ruido, doble

ruptura de armónicos, explosiones glóticas, vibrato, anormalidad de la melodía,

estabilidad monótona de la frecuencia fundamental y estridor inspiratorio.



Asfixia: La frecuencia fundamental excede los 1000Hz en el 35 % de los casos.

Llantos de corta duración, arrítmicos, con bifonación.

Enfermedades que afectan al sistema nervioso: Los llantos pueden ser extrema-

damente altos en tono, con una frecuencia fundamental de hasta 3000-4000Hz,

además de notarse cambios en la duración de las fonaciones y el tipo de melodía.

Daño cerebral: Llantos con tono alto y tipo de melodía cambiante. La frecuencia

fundamental es inestable.

Neonatos prematuros: Ocurrencia de bifonación y desplazamientos.

Angustia respiratoria periférica: Incrementos en la duración del llanto y en la

frecuencia fundamental, así como ocurrencia de bifonación.

Angustia respiratoria central: Ocurrencia de bifonación e incidencia de los tipos

de melodía ascendentes, descendentes-ascendentes y plano.


Capítulo 3

Estado del arte

3.1. Análisis de características cualitativas

En la actualidad el análisis de características cualitativas se realiza de forma ma-

nual, como en (Michelsson et al., 2002), donde se realizó un análisis de tipo cuanti-

tativo y cualitativo. Se analizaron 1,836 señales de llanto de 172 infantes sanos. Las

características que se tomaron en cuenta fueron los valores de la frecuencia fundamen-

tal (f0) y el tipo de melodía. En (Arch et al., 2006) se realizó un estudio para explorar

las diferencias cuantitativas y cualitativas del llanto de los infantes hipoacústicos e

infantes normales, encontrando en los llantos de infantes hipoacústicos; vibratos, ines-

tabilidad y deficiencias melódicas, pérdida de la f0, llantos explosivos, deslizamientos,

bifonaciones y pérdida de la intensidad del llanto. En (Michelsson et al., 1977) se reali-

zó un análisis espectrográfico para estudiar las diferencias entre infantes con asfixia e

infantes sanos. Se analizó la duración de las fonaciones, los valores de la frecuencia fun-

damental, así como también las características cualitativas. En los llantos de asfixia,

se encontraron vibratos y bifonaciones de manera muy frecuente, dobles rompimien-

tos armónicos y glottal roll de manera poco frecuente. También se analizó el tipo de

melodía, observando la presencia de melodías ascendentes, descendentes-ascendentes

y planas.

La forma en que se realiza actualmente el análisis cualitativo del llanto infantil es

la siguiente:

1.- Se utiliza algún software que permita visualizar el espectrograma de la señal de

llanto (algunos ejemplos son: CoolEdit, Praat, lingWAVES, etc).

2.- Se maximiza una parte del espectrograma, y se toma nota de las característi-

cas cualitativas encontradas en dicha parte, y de algunas otras características

[29]

30 3. Estado del arte

cuantitativas, como los valores de la frecuencia fundamental y la duración. Este

paso se repite hasta haber analizado toda la señal.

3.- Finalmente se realiza un conteo de las características cualitativas y cuantitativas

encontradas, para analizar los resultados obtenidos.

Si se dificulta la detección de una unidad de llanto en la señal, se realiza un análisis

auditivo para despejar cualquier duda.

Cabe mencionar que para emitir un diagnóstico sobre alguna posible patología,

se requiere hacer un seguimiento más profundo del llanto del infante, es decir, tomar

muestras del llanto del infante y analizarlas por un periodo de tiempo considerable.

Además de realizar al infante otro tipo de estudios clínicos.

3.2. Detección del llanto infantil

De forma semejante a la detección de habla, la detección de llanto consiste en

encontrar el inicio y el fin de los segmentos de llanto. Un atributo común a las palabras

es que estos segmentos tienen una energía relativamente alta, lo que permite que con

el uso de un umbral sea detectable. Pero en el caso del llanto, no solo el llanto tiene

energía alta, sino también se encuentran sonidos inspiratorios y ruido de fondo.

La detección del llanto infantil está definida como un procedimiento donde los

sonidos del llanto son separados del resto de la grabación.

La parte más difícil de esta detección es reconocer los sonidos inspiratorios y

separarlos de los sonidos de llanto. Además las grabaciones pueden ser procedentes

de diferentes lugares y grabadas con diferentes dispositivos, lo que dificulta aún más

este procedimiento.

En (Várallyay et al., 2009a) se desarrolló el sistema AICD (Automatic Infant Cry

Detection), el cual afirman sus autores, es un sistema que permite la detección de

llanto en cualquier tipo de grabación.

En (Várallyay et al., 2009a) se propone inspeccionar el contenido espectral y el

contenido de energía, ya que los segmentos de llanto típicamente son señales armóni-

cas, es decir, en el espectro se encuentra la f0 y sus subarmónicos, y generalmente las

señales de ruido (sonidos inspiratorios) tienen una estructura espectral menos regular.

En (Várallyay et al., 2009a) se aplica la Short-Time Energy Function para ob-

tener el contenido de energía de las grabaciones y se analiza el contenido espectral


3.2 Detección del llanto infantil 31

Figura 3.1: Principales pasos del AICD

utilizando una extensión del método HPS (Harmonic Product Spectrum) propuesto

por (Várallyay et al., 2009a).

Se define como la energía media de la señal, en cada trama de análisis (N muestras).

La función de la energía a corto tiempo de una señal de audio está definida como:

En=

1

N

∑

m

[x(m) ∗ w(n−m)]2 (3.2.1)

donde x(m) es la señal de audio en tiempo discreto, n es el índice de tiempo de

la energía a corto tiempo, y w(m) es una ventana rectangular, es decir:

w(n) =

{

1 , 0 ≤ n ≤ −1

0 , otherwise(3.2.2)

Así la función de energía a corto tiempo es usada para determinar los segmentos

sonoros y los segmentos sordos de una señal, ya que la energía de los segmentos

sonoros de una señal es mucho más grande que la energía en los segmentos sordos.

De forma similar al habla, para detectar el comienzo de una unidad de llanto, se

exige que el valor de la energía supere ciertos umbrales durante un periodo de tiem-

po y para la detección del final de la unidad de llanto que los niveles de energía se

encuentren por debajo de estos umbrales. Los umbrales se obtienen de forma experi-

mental analizando el contenido de energía que poseen las muestras así como el ruido

de fondo.

La figura 3.1 (tomada de (Várallyay et al., 2009a)) muestra los principales pasos



Figura 3.2: Clasificación de la melodía

del AICD, en la Figura 3.1-A se muestra una grabación corta, la cual contiene 3

unidades de llanto, en ésta figura hay dos sonidos inspiratorios (antes de la 2a y 3a

unidades de llanto) y 2 sonidos de ruido.

Se normaliza la señal (Figura 3.1-F) y se determina el umbral de energía, para

extraer las partes de interés de la grabación, se eliminan las partes menores a 200ms,

tal y como se muestra en la Figura 3.1-G, a continuación, se revisa el inicio y fin

de la señal restante (Figura 3.1-J) y se aplica el umbral Fwidth para encontrar y

cancelar los sonidos inspiratorios (Figura 3.1-M), finalmente, el contenido espectral

de las partes restantes son revisadas con el umbral Hmax para encontrar los sonidos

de llanto de la grabación (Figura 3.1-P).

3.3. Análisis de la melodía

La representación acústica de la melodía viene dada por la evolución temporal

de la frecuencia del fundamental. Ésta representación se denomina curva melódica

(pitch contour) y puede obtenerse a partir de herramientas de análisis acústico que

detectan, mediante diversas técnicas, las variaciones de frecuencia fundamental (f0)

a lo largo del tiempo.

En (Schönweiler et al., 1996) se clasificaron las formas melódicas en 6 categorías

que son: ascendente, descendente, ascendente-descendente, descendente-ascendente,

plana y sin forma melódica (Figura 3.2).


3.3 Análisis de la melodía 33

Figura 3.3: Ejemplos de la obtención de melodías de llantos representadas por FLM

En (Várallyay et al., 2009b) se presenta un método novedoso para visualizar las

melodías del llanto infantil llamado FLM y un sistema de clasificación de melodías

del llanto infantil. Como resultado del trabajo presentan un top 20 (Figura 3.3) de

categorías que cubren el 93 % de 580 melodías analizadas. A continuación se describe

éste método.

3.3.1. Método FLM (Five Line Method)

El FLM es un método objetivo para visualizar las melodías del llanto infantil,

propuesto en (Várallyay et al., 2009b), es similar al pentagrama musical, pero este

método aplica una escala logarítmica a los valores de frecuencia y estos valores se

fijan en cada una de las cinco líneas. La Figura 3.3 muestra algunos ejemplos de la

obtención de melodías, visualizadas por FLM.

En (Várallyay et al., 2009b) se afirma que utilizando FLM las melodías se pueden

leer fácilmente de las figuras, es fácil determinar, si se trata de una melodía de baja

o alta frecuencia, corta o larga duración, si es una melodía simple o compleja.

Después de observar la forma de 580 melodías los autores comprobaron que las

seis categorías establecidas por (Schönweiler et al., 1996), cubrieron únicamente el

70 % de las melodías analizadas ya que algunas tenían formas más complejas.

El funcionamiento del FLM está basado en la detección de la melodía en las

formas elementales: ascendente (+1), plana (0), descendente (-1). Y las categorías

son definidas por el orden de éstas unidades. De acuerdo a éste sistema, todas las



Figura 3.4: Ilustrando las melodías más comunes de los 580 llantos analizados.

melodías pueden ser descritas como una combinación de las formas elementales. Así,

los nombres de las nuevas categorías de las melodías analizadas, son creadas siguiendo

el orden de las formas elementales.

Por ejemplo, en la Figura 3.3 en la grabación CR0265-09.wav se puede observar

una melodía de tipo ascendente-descendente. El FLM funciona de la siguiente manera:

la f0 de la señal inicia con un valor entre 330 Hz y 400 Hz, en los primeros 0.5s el valor

de la f0 pasa al renglón superior fijado con 480Hz, por lo que se codifica un (1), en

los siguientes 0.5s el valor de la f0 baja, y se posiciona nuevamente entre los 330Hz y

400Hz, por lo que se codifica un (-1) y finaliza la señal. De esta manera, la categoría

asignada a esta melodía es: (1,-1).

Con este sistema de clasificación, se encontraron un total de 39 categorías para

las 580 melodías analizadas, de las cuales 20 incluyen el 93 % del total de melodías

analizadas. La distribución de este top 20 de categorías y los esquemas de sus formas

se muestran en la Figura 3.4.

La categoría más típica fue (1 -1) con 933 casos (31 % de las melodías). Hay otras

tres categorías más: (-1), (1), y (0 -1), con el 20 %, 11 %, y 9 % de ocurrencia.


3.4 Conclusiones del Estado del Arte 35

3.4. Conclusiones del Estado del Arte

En la actualidad el análisis cualitativo del llanto continúa realizándose de forma

manual. Es hasta finales del 2009 que empiezan a surgir los primeros intentos por

automatizar éste proceso, con el trabajo de (Várallyay et al., 2009b), el cual brinda

una caracterización de las formas melódicas.

Como se ha mencionado antes, un paso previo a la identificación de características

cualitativas es la detección de unidades de llanto. La cual se sigue realizando de forma

manual. En el trabajo de (Várallyay et al., 2009a), se propone un sistema que permite

automatizar esta tarea con buenos resultados. Sin embargo, aún no está disponible

para uso público.

Para el proceso de identificación de características cualitativas, tenemos el traba-

jo de (Várallyay et al., 2009b), donde se propone el método FLM que brinda una

caracterización para la forma melódica. Sin embargo, en el FLM los valores de la

frecuencia fundamental de las unidades de llanto, están sujetos a una escala de 330Hz

a 700Hz. Algunos llantos de infantes con algún tipo de patología, están por encima

o por debajo de ésta escala. Además, en la frecuencia fundamental de las señales, se

pueden dar cambios abruptos de más de 600Hz, y con el FLM, las unidades de llanto

no lograrían ser caracterizadas de forma correcta. Otro punto que cabe señalar, es que

se utiliza una nueva forma para caracterizar a la melodía, lo cual no deja de ser váli-

do, pero se tiene que estudiar si algunos de éstos nuevos patrones caracterizan alguna

patología. Los resultados mostrados por el método FLM son categorías formadas por

los caracteres -1, 0 y 1 y la longitud de la codificación depende de la duración de la

unidad de llanto. Los resultados mostrados por el método propuesto son: melodía de

tipo ascendente, descendente, ascendente-descendente, descendente-ascendente, plana

y sin forma melódica. Ésta última es una descripción lingüística, que consideramos

facilita a los médicos expertos conocer la tendencia general de las unidades de llanto.

Además, con la descripción dada en el método propuesto, los médicos expertos son

capaces de identificar los llantos normales y los llantos con tendencia a patológicos.


Capítulo 4

Propuesta de solución

En este capítulo se describe la propuesta de solución al problema de detección

automática de unidades de llanto, al problema de identificación automática de carac-

terísticas cualitativas y al problema de diagnóstico.

A continuación se describe paso a paso la metodología llevada a cabo:

4.1. Selección de características cualitativas

Para la selección de las características cualitativas más relevantes que permiten

diferenciar llantos normales y patológicos, nos basamos en el estudio realizado en el

estado del arte, así como en la opinión de los médicos expertos. Se llegó a la conclusión

de que las características cualitativas más relevantes que permiten identificar alguna

anormalidad en los llantos son las siguientes:

Forma melódica: Clasificada como: ascendente, descendente, ascendente-

descendente, descendente-ascendente, plana y sin forma melódica.

Desplazamiento o Shift.

Deslizamiento o Glide.

Concentración de ruido.

4.2. Definición de llanto normal y patológico

Para poder presentar un diagnóstico, era necesario establecer las características

que presentaban tanto los llantos normales como los patológicos, así que de acuerdo

con el estado del arte se tienen las siguientes definiciones:

[37]

38 4. Propuesta de solución

El llanto de un infante sano o normal está definido como:

Llanto con valores promedio de la F0 de 450Hz, con rango de 400-600Hz (Mi-

chelsson et al., 2007) (Reyes et al., 2009) (Várallyay et al., 2009a) (Makói et al.,

1975).

La forma melódica que prevalece es ascendente-descendente (Michelsson et al.,

2007)(Hirschberg et al., 1982).

Llantos mayormente sonoros.

Por otra parte el llanto patológico está definido como:

Llanto con valores extremos de la f0.

Las formas melódicas que prevalecen son descendente, descendente-ascendente,

plana y sin forma melódica.

Existe mayor ocurrencia de deslizamientos y desplazamientos.

4.3. Medidas de las características cualitativas

Para poder identificar automáticamente las características cualitativas, es nece-

sario cuantificarlas. De manera que las medidas asignadas a las características cua-

litativas fueron tomadas basándonos en algunos trabajos previos, y algunas de ellas

fueron asignadas experimentalmente y con la ayuda de los médicos expertos.

La cuantificación de las características cualitativas quedó definida de la siguiente

forma:

Forma melódica: Para poder describir la forma melódica se tomaron en cuenta

cambios en la F0, de al menos 40Hz en 50ms.

Shift: Está definido como un incremento o decremento de la frecuencia fun-

damental de al menos 100Hz y menor a 600Hz, con duración mínima de

0.1seg.(Lind et al., 2002)

Glide: Está definido como incremento o decremento de la frecuencia fundamental

de al menos 600Hz, con duración mínima de 0.1seg. (Lind et al., 2002)


4.4 Esquema general 39

Figura 4.1: Esquema general del método propuesto.

Concentracion de ruido: Está definida por altos picos energéticos usualmente de

2000-2500Hz, además esta característica no posee frecuencia fundamental.(Lind

et al., 2002)

4.4. Esquema general

La figura 4.1 muestra de manera general la metodología llevada a cabo. De la

base de datos Chillanto, compuesta por llantos de asfixia, hiperbilirrubinemia, sordos,

normales y de alto riesgo, se tomaron muestras con una mayor a 15 segundos y menor

igual a 30 segundos, ya que según la opinión de los médicos expertos, es el tiempo

necesario y suficiente para realizar un análisis cualitativo. Una vez seleccionadas las

muestras se efectuó una normalización a 8000Hz, 16 bits, formato monoaural.

El paso siguiente fue efectuar la detección de unidades de llanto. Se determinó un

umbral, el cual fue aplicado a la energía de la señal, así como un umbral para eliminar

los sonidos inspiratorios, los cuales no son útiles para el análisis de características

cualitativas. Se obtuvo la duración en segundos, el tiempo de inicio y fin de cada

unidad de llanto.



Para cada unidad de llanto detectada se realizó lo siguiente:

Se obtuvo su frecuencia fundamental.

Con los valores de la frecuencia fundamental, se verificó la presencia de una

concentración de ruido.

De no haber concentración de ruido. La unidad de llanto se posiciona en el

dodecagrama.

Se obtuvo un código de cadena.

Se interpretaron los dígitos del código de cadena, para obtener el tipo de melo-

día.

Se verificó la presencia de shifts y glides.

Finalmente, basados todas las características cualitativas identificadas en la gra-

bación de llanto se emitió el diagnóstico: llanto normal o llanto con tendencia a

patológico, mediante la aplicación de una regla.

A continuación se detallan cada uno de los pasos anteriores.

4.5. Detección de unidades de llanto

En el análisis del llanto infantil, las unidades de llanto son las partes más im-

portantes de una grabación, ya que contienen la información que es de utilidad para

analizar el llanto del infante.

En la actualidad, en el análisis del llanto infantil la detección de unidades de

llanto se lleva a cabo de forma manual. Los médicos expertos en el área basados en

su percepción visual y auditiva realizan la detección de unidades de llanto. Primero,

se obtiene el espectrograma de la señal, y después se selecciona la parte donde se

visualiza la unidad de llanto, y se verifica que realmente se trata de un sonido de

llanto escuchando dicho segmento. Éste segundo paso, de selección y verificación se

repite hasta el final de la grabación.

La detección de unidades de llanto, se lleva a cabo con la finalidad de realizar un

análisis posterior, tal es el caso de (Michelsson et al., 2002), en el cual se analiza la


4.5 Detección de unidades de llanto 41

duración media de las señales de llanto, la media de la frecuencia fundamental de los

llantos así como su forma melódica.

En las grabaciones se encuentran sonidos que no son de utilidad para el análisis del

llanto infantil. Tal es el caso de los sonidos producidos por el ambiente o los sonidos

inspiratorios. Éstos últimos, son generados cuando el infante toma aire para llenar

sus pulmones y en la mayoría de los casos, no son útiles para el análisis del llanto.

Otros puntos importantes y que se debe tomar en cuenta son: La variedad de

ambientes y dispositivos en los que se adquieren las grabaciones. Los diferentes tipos

de llanto, ya que en las grabaciones pueden presentarse llantos con pitch alto, con pitch

bajo, llantos graves, llantos agudos, etc. Y finalmente, la variación de la intensidad,

ya que el infante puede reducir o aumentar la intensidad de su llanto en la misma

grabación.

Entonces, la detección de llanto está definida como un procedimiento mediante el

cual los sonidos de llanto son seleccionados y separados de la grabación. La detección

de llanto se ha llevado a cabo manualmente en varios trabajos como (Michelsson et al.,

1999)(Wermke et al., 2002b). También, con el fin de facilitar este arduo procedimiento,

se ha intentado usar software orientado a la detección de habla. Pero no se ha logrado

obtener los resultados esperados debido a que las señales de llanto y las señales de

habla son diferentes.

De forma semejante a la detección del habla en la que se eligen los puntos inicial y

final de cada palabra. En la detección de llanto el objetivo es elegir el punto de inicio

y el punto final de un segmento de llanto. Al igual que las palabras los segmentos

de llanto contienen una energía relativamente más grande que los segmentos sordos,

aproximadamente éstos segmentos tienen una energía 4 veces mayor que los segmentos

sordos(Saratxaga et al., 2006), debido a esta afirmación se recurrió a realizar un

análisis del contenido de energía de la señal aplicando la función de energía a corto

tiempo.

4.5.1. Método desarrollado para la detección automática de

unidades de llanto

Un método para la detección automática del llanto infantil debe tomar en cuenta

las siguientes consideraciones para lograr un buen funcionamiento (Várallyay et al.,

2009a):



La distancia entre los sonidos inspiratorios y los segmentos de grabación por lo

regular es menor a los 100ms, por lo cual se recomienda hacer un ventaneo con

un máximo de 50ms.

En general la energía de los segmentos sonoros e inspiratorios es claramente más

grande que en los segmentos sordos.

Las grabaciones de llanto son grabadas en diferentes ambientes y con diferentes

dispositivos, por lo que se debe de determinar un umbral de energía para cada

grabación.

Tomando en cuenta éstos aspectos, en este trabajo se desarrolló un método que

permite la detección automática de unidades de llanto en diversos tipos de grabación,

el cual fue implementado en MATLAB.

Se aplica un umbral a la energía de la señal. Éste umbral se define automáticamente

para cada grabación analizada. Y se define otro umbral aplicado a la duración de

las unidades de llanto detectadas. Éste último umbral, permite eliminar los sonidos

inspiratorios o sonidos que no son útiles para un análisis posterior.

Basados en pruebas experimentales se determinó que las unidades de llanto me-

nores a 200ms son sonidos de muy corta duración, y que no aportan información útil

para un análisis posterior, ya que en estas unidades de llanto es muy difícil determinar

características de interés para los médicos, como lo es la forma melódica.

Con la eliminación de estos segmentos se logra también la eliminación de los

sonidos inspiratorios, sonidos que no superan los 200ms. Así, que el umbral aplicado

a la duración de la señal queda definido en 200ms. Por lo cual nos queda definir el

umbral aplicado a la energía de la señal, el cual, basados en (Saratxaga et al., 2006)

y en nuestros experimentos quedó definido de la siguiente manera:

Threshold =E

n

4(4.5.1)

Donde En

es la energía media de la señal.

En la figura 4.2 se muestra paso a paso el funcionamiento del método propuesto.

En la figura 4.2(a) se muestra la señal de la grabación, como se puede observar hay

5 unidades de llanto y 5 sonidos menores a 200ms, en la figura 4.2(b) se muestra

el espectrograma de la señal, en la figura 4.2(c) se muestran las unidades de llanto


4.5 Detección de unidades de llanto 43

(a) Señal (b) Espectrograma

(c) Unidades de llanto detectadas (d) Unidades de llanto finales

Figura 4.2: Pasos para la detección de unidades de llanto.

detectadas utilizando el umbral de energía, finalmente, en la figura 4.2(d) se muestran

las unidades de llanto detectadas eliminando los segmentos menores a 200ms.

Teniendo detectadas las unidades de llanto, éstas son separadas de la grabación y

se obtienen los siguientes atributos: tiempo de inicio de la unidad de llanto, tiempo

de fin de la unidad de llanto, duración en segundos, número de unidades de llanto en

una grabación, duración total de las unidades de llanto detectadas en una grabación,

los cuales son útiles a los médicos expertos para realizar análisis posteriores.

Las grabaciones fueron obtenidas con distintos dispositivos y en diferentes am-

bientes. En las figuras 4.3 y 4.4 se muestran las señales y los espectrogramas de

las grabaciones 88.wav y 103.wav respectivamente. En la primera se puede observar

que la grabación contiene muy poco ruido. Ya que en el espectrograma se pueden

distinguir a simple vista las unidades de llanto y sus armónicos. Mientras que en la

segunda figura la cantidad de ruido aumenta considerablemente. En el espectrograma

son menos visibles tanto las unidades de llanto como los armónicos de la señal. Sin

embargo, se obtuvieron buenos resultados con la detección automática de unidades

de llanto en ambos casos.




Figura 4.3: Señal y espectrograma de la muestra 88.wav.


Figura 4.4: Señal y espectrograma de la muestra 103.wav.


4.6 Identificación automática de características cualitativas 45

4.6. Identificación automática de características cua-

litativas

4.6.1. Concentración de ruido

Para la identificación de la concentración de ruido se utilizó un método sencillo.

Se ha descrito que un incremento en dolor induce una transición caótica en la osci-

lación de las cuerdas vocales de recién nacidos. Cuando una concentración de ruido

se presenta en una unidad de llanto la frecuencia fundamental (f0) se disipa (Reyes

et al., 2009). Entonces, al extraer la f0 de una concentración de ruido, el valor de la f0

es 0 en cada ventana. La duración mínima definida para una concentración de ruido

fue de 200ms. De esta forma, si en 4 ventanas consecutivas (cada ventana de 50ms)

el valor de la f0 era 0, se consideraba una concentración de ruido.

4.6.2. Tipo de melodía

Para la identificación del tipo de melodía, se implementó un método basado en

(Várallyay et al., 2009b) al cual llamamos Método del Dodecagrama, ya que consiste

de doce líneas horizontales, sobre las cuales, se sobrepone la frecuencia fundamental

de la señal.

Una vez detectadas las unidades de llanto y verificando que no son concentraciones

de ruido, se inicia la identificación del tipo de melodía. La figura 4.5 muestra el

funcionamiento del método propuesto.

La f0 de cada unidad de llanto se posiciona al centro de las líneas f y g, el valor de

las líneas está determinado por el valor de la frecuencia fundamental de la primera

ventana, el siguiente paso es codificar la f0 de la unidad de llanto, mediante las

siguientes reglas:

1 si el valor de la frecuencia fundamental pasa a un renglón superior.

0 si el valor de la frecuencia fundamental se mantiene en el mismo renglón.

-1 si el valor de la frecuencia fundamental pasa a un renglón inferior.

La figura 4.5 muestra en la parte superior el código correspondiente a la f0 de la

unidad de llanto mostrada, como se puede observar la f0 de la unidad de llanto en la



Figura 4.5: Método del dodecagrama.

primera ventana (50ms) pasa a g, en la siguiente (100ms) pasa a h, en la siguiente

(150ms) se mantiene en h, en la siguiente (200ms) pasa a g, en la siguiente (250ms)

pasa a f, y finalmente (300ms) pasa a e. Quedando el código: [1, 1, 0, -1, -1, -1].

El número 1 corresponde a un incremento de la frecuencia fundamental de la

señal (incremento >40Hz), el 0 sin cambios relevantes en la frecuencia fundamental

(cambios <40 Hz) , y el -1 a un decremento de la frecuencia fundamental (decremento

>40Hz).

Una vez obtenido el código de cada unidad de llanto de la grabación, resta por

determinar el tipo de melodía que les corresponde. Así que, para cada código de cada

unidad de llanto se siguieron los siguientes pasos:

Si todos los dígitos del código son 0’s se determina que el tipo de melodía es

plana.

Si el tipo de melodía no es plana. Se eliminan los 0’s del código, para quedarnos

sólo con los 1’s y -1’s. Esto es debido a que el 0 describe que no hay cambio

en la f0, y lo que se desea es determinar si la melodía asciende o desciende en

algún punto.

Como siguiente paso, se reducen los vectores tal y como se muestra en la figura

4.6. Los dígitos iguales y consecutivos se reducen en un sólo dígito. Lo cual nos

facilita la descripción lingüística del tipo de melodía. Por ejemplo: Se tienen



Figura 4.6: Reducción del código.

los siguientes códigos a) -1,-1,-1,1,1,1 y b)-1,-1,1,1. Al hacer la reducción de

código, obtendríamos -1,1 para los dos códigos. Lo que un médico describiría

como melodía descendente-ascendente, no importando el tamaño del código.

Finalmente, se busca el tipo de melodía correspondiente al código reducido, de

la siguiente manera:

• (1): Melodía ascendente.

• (-1): Melodía descendente.

• (1,-1): Melodía ascendente-descendente.

• (-1,1): Melodía descendente-ascendente.

• Los códigos reducidos con más de 2 dígitos se consideran: Sin forma meló-

dica.

La unidad de llanto que se muestra en la Figura 4.5 corresponde a una forma

melódica de tipo: ascendente-descendente.

4.6.3. Shifts y Glides

Shifts: Para detectar los shifts se miden las diferencias de las frecuencias funda-

mentales a lo largo de la señal, si la diferencia sobrepasa los 100Hz y es menor

a los 600Hz, se considera shift (puede haber más de uno en la misma unidad de

llanto).

Glides: Para detectar los glides se miden las diferencias de las frecuencias funda-

mentales a lo largo de la señal, si la diferencia sobrepasa los 600Hz se considera

glide (puede haber más de uno en la misma unidad de llanto).



4.7. Diagnóstico

La literatura especializada hace referencia a que el llanto en el niño cambia ante

condiciones patológicas. A menudo familiares del infante notan estos cambios cuando

el niño se enferma. Entre las patologías y condiciones patológicas en las que se ha

estudiado el llanto infantil se encuentran las relacionadas con anormalidades cromo-

sómicas (llanto del maullido de gato o cri du chat, síndrome de Down), desórdenes

endócrinos (hipotiroidismo congénito), desórdenes metabólicos (hiperbilirrubinemia

e hipoglicemia), daño cerebral (encefalitis, meningitis), síndrome de muerte súbita

infantil, bajo peso al nacer, prematuridad, asfixia, malnutrición, síndrome de malfor-

maciones y enfermedades del tracto orolaringeo (labio endido). Otros estudios han

incluido el llanto en niños con madres que se suministran drogas, etc. Un propósito

importante ante condiciones patológicas, además de considerar los cambios que ocu-

rren del patrón normal hacia el anormal, es conocer cuáles características o atributos

y sus rangos de valores en el llanto pueden ser alterados por dichas condiciones.

En general el llanto patológico está asociado a las siguientes características:

Valores extremos e inestables en el pitch.

Una pobre calidad vocal del llanto, debido a la dispersión de los componentes

armónicos y su incapacidad de sostener un tono armónico, se sostiene la hipótesis

de que la pérdida de estabilidad armónica puede ser causada por una pérdida

del control de la simetría entre los pliegues vocales derecho e izquierdo en el

infante patológico.

El tipo de melodía cambia de ascendente o ascendente-descendente a descen-

dente, descendente-ascendente o plana, según el caso.

A veces no es posible detectar el tipo de melodía, ocurriendo shifts, bifonaciones

y glides.

De acuerdo a estas características, a la definición de llanto patológico dada con

anterioridad, y a la opinión de los médicos expertos se determinó que:

Si un llanto tiene tipo de melodía descendente, descendente-ascendente, o sin forma

melódica, ademas de tener shifts, y glides en más del 30 % del llanto, el llanto es

considerado como: llanto con tendencia a patológico.

En el capítulo 5 se muestran los resultados obtenidos al aplicar esta regla.


Capítulo 5

Resultados experimentales

A continuación se presentan los resultados obtenidos por los métodos propuestos.

En la primera sección se presentan los resultados obtenidos por el método de detección

automática de unidades de llanto. En la segunda sección se presentan los resultados

obtenidos para la identificación de unidades de llanto y como forma de comparación

también se presentan los resultados obtenidos con el método FLM propuesto en Vá-

rallyay et al. (2009b) para la caracterización del tipo de melodía. Finalmente, en la

sección diagnóstico se hace un análisis de las características cualitativas identificadas

con el fin de emitir un diagnóstico y se presenta una forma de reforzar el diagnóstico

llevando a cabo un análisis cuantitativo.

5.1. Detección automática de unidades de llanto

El método propuesto para la detección automática de unidades de llanto se probó

con dos conjuntos de muestras. El primer conjunto consta de 20 muestras, y fue

obtenido de la base de datos Chillanto, con llantos de infantes mexicanos. El segundo

conjunto consta de 13 muestras, y fue de una base de datos de llantos de infantes

cubanos. Los dos conjuntos de muestras son de infantes clasificados como sanos. Todas

las muestras de llantos cubanos tienen una duración de 12 segundos, debido a esto,

sólo se tomaron los primeros 12 segundos de las muestras de infantes mexicanos.

Con el método propuesto se detectaron automáticamente 182 unidades de llanto

del conjunto de infantes mexicanos y 65 unidades de llanto del conjunto de infantes

cubanos.

Los resultados obtenidos se compararon con la detección manual llevada a cabo

por los médicos expertos en el análisis del llanto infantil pertenecientes al Instituto

[49]

50 5. Resultados experimentales

Nacional de Rehabilitación (INR).

En la tabla 5.1 y 5.2 se muestran los resultados de la detección manual y auto-

mática para el conjunto de llantos de infantes mexicanos e infantes cubanos, respec-

tivamente. En la columna Muestra, están los nombres de las grabaciones de llanto.

La columna Detección manual, muestra el número de unidades de llanto obtenidas

por los médicos expertos mediante la detección manual. La columna Detección auto-

mática, muestra el número de unidades de llanto obtenidas con el método propuesto.

La columna Porcentaje de acierto, muestra el porcentaje de acierto que se obtuvo

con el método propuesto respecto a la detección manual. Finalmente, las últimas dos

columnas muestran el número de falsos positivos y falsos negativos obtenidos con el

método propuesto.

Como se puede observar el método propuesto arroja buenos resultados teniendo

un porcentaje de acierto respecto a la detección manual del 96.55 %. Cabe mencionar

que no se tomó en cuenta la exactitud con la que se detectó el inicio y el final de cada

unidad de llanto, solo se verificó que las unidades de llanto detectadas efectivamente

coincidieran con las unidades de llanto detectadas manualmente.

Como se puede observar en las tablas, el método de detección automática de uni-

dades de llanto, logra un buen desempeño. Aún cuando las muestras de los llantos

mostrados en las tablas, provienen de distintos dispositivos y fueron grabadas en di-

ferentes ambientes. Un ejemplo se puede observar en las Figuras 4.3 y 4.4 donde

se muestran las señales y los espectrogramas de las muestras 88.wav y 103.wav res-

pectivamente. En la primera muestra se puede observar que la señal contiene poca

cantidad de ruido, mientras que en la segunda muestra, la cantidad de ruido aumenta

considerablemente. Sin embargo, en ambas muestras se obtuvieron buenos resultados

con el método de detección automática de unidades de llanto, logrando detectar de

forma correcta todas las unidades de llanto contenidas en las muestras.

5.2. Identificación automática de características cua-

litativas

El método propuesto para la identificación automática de características cualita-

tivas se probó con un conjunto etiquetado de unidades de llanto. Éste conjunto fue

etiquetado manualmente por los médicos expertos del INR. Las unidades de llanto



Muestra Detección Detección Porcentaje Falsos Falsosmanual automática de acierto negativos positivos

026.wav 10 10 100 % 0 0028.wav 8 8 100 % 0 0067.wav 12 12 100 % 0 0079.wav 10 10 100 % 0 0083.wav 9 9 100 % 0 0084.wav 5 5 100 % 0 0087.wav 10 9 80 % 1 0088.wav 10 10 100 % 0 0090.wav 6 6 100 % 0 0091.wav 14 14 100 % 0 0094.wav 5 5 100 % 0 0096.wav 12 12 100 % 0 0097.wav 13 13 100 % 0 0098.wav 5 5 100 % 0 0099.wav 13 13 100 % 0 0100.wav 13 13 100 % 0 0101.wav 7 7 100 % 0 0103.wav 8 8 100 % 0 0105.wav 10 9 80 % 1 0113.wav 7 9 71 % 0 2Total 187 187 96.55 % 2 2

Tabla 5.1: Detección manual y automática para el conjunto de llantos de infantes mexicanos.



Muestra Detección Detección Porcentaje Falsos Falsosmanual automática de acierto negativos positivos

C020812.wav 6 6 100 % 0 0C060812.wav 5 5 100 % 0 0C070812.wav 4 4 100 % 0 0C150812.wav 3 3 100 % 0 0C170812.wav 5 5 100 % 0 0C200812.wav 4 4 100 % 0 0C210812.wav 3 3 100 % 0 0C240812.wav 7 9 71 % 0 2C250812.wav 7 9 71 % 0 2C280812.wav 6 6 100 % 0 0C290812.wav 3 3 100 % 0 0C300812.wav 6 6 100 % 0 0C310812.wav 2 2 100 % 0 0Total 61 65 95.53 % 0 4

Tabla 5.2: Detección manual y automática para el conjunto de llantos de infantes cubanos.

que conforman el conjunto etiquetado fueron tomadas de manera aleatoria de entre

todas las clases de la base de datos Chillanto.

Con el método propuesto se identificaron automáticamente 238 características

cualitativas, y los resultados se compararon con la identificación manual realizada

por los médicos expertos.

En la tabla 5.3 se muestran los resultados obtenidos. La columna Característica

cualitativa, muestra las características cualitativas que son posibles de identificar au-

tomáticamente. Donde M. = melodía, As = ascendente, Des = descendente, Sfm=

sin forma melódica y C = concentración. La columna Identificación manual, muestra

el número de características cualitativas identificadas manualmente por los médicos

expertos. La columna Identificación automática, muestra el número de características

cualitativas identificadas automáticamente mediante el método propuesto. La colum-

na Porcentaje de acierto, muestra el porcentaje de acierto obtenido con el método

propuesto respecto a la identificación manual. Finalmente la columna Observaciones,

muestra las características cualitativas identificadas automáticamente y que difieren

de la identificación manual. Cabe menciona que se graficó la f0 de las características

cualitativas identificadas automáticamente que aparecen en la columna Observaciones



Característica Identificación Identificación Porcentaje Observacionescualitativa manual automática de aciertoM. Ascendente 36 35 97.22 1 as-desM. Descendente 36 32 88.89 2 des-as, 1 as-des, 1 planaM. As-Des 58 50 86.21 1 as, 1 des, 6 sfm.M. Des-As 18 16 88.89 2 sfmM. Plana 34 29 85.29 1 des, 4 sfmSfm 33 29 87.88 1 plana, 2 des, 1 des-ascShift 6 6 100.00Glide 2 2 100.00C. de Ruido 15 12 80.00 3 sfm

Total 90.49

Tabla 5.3: Identificación manual y automática de las características cualitativas etiquetadas por losmédicos expertos del INR, utilizando el método propuesto.

y se verificó que la identificación automática fue correcta.

Como se puede observar el método arroja buenos resultados teniendo un porcen-

taje de acierto respecto a la identificación manual del 90.49 %.

Como otra forma de comparación, el conjunto de unidades de llanto etiqueta-

do que se utilizó anteriormente para la identificación automática de características

cualitativas fue utilizado para evaluar el desempeño del método FLM propuesto en

(Várallyay et al., 2009b).

Los resultados obtenidos se muestran en la tabla 5.4. La columna Característica

cualitativa muestra las características cualitativas que son posibles de identificar au-

tomáticamente, mediante el método FLM. Donde M. = melodía, As = ascendente y

Des = descendente. La columna Identificación manual, muestra el número de caracte-

rísticas cualitativas identificadas manualmente por los médicos expertos. La columna

Detección automática, muestra el número de características cualitativas identificadas

automáticamente mediante el método FLM. La columna Porcentaje de acierto, mues-

tra el porcentaje de acierto obtenido con el método FLM respecto a la identificación

manual. Y finalmente la columna Observaciones muestra el número de unidades de

llanto que no pudieron ser identificadas con el método FLM.

Como se puede observar el método FLM logra un porcentaje de acierto del 50.27 %,

la causa principal de su bajo rendimiento son los valores propuestos para el rango de

la F0 (330Hz-700HZ). La f0 de algunas unidades de llanto del conjunto etiquetado,



Característica Identificación Identificación Porcentaje Observacionescualitativa manual automática de aciertoM. Ascendente 36 21 58.33 6 fuera de rango.M. Descendente 36 18 50.00 13 fuera de rango.M. As-Des 58 34 58.62 10 fuera de rango.M. Des-As 18 6 33.33 4 fuera de rango.M. Plana 34 19 55.88Sin forma melódica 33 15 45.45 5 fuera de rango.

50.27

Tabla 5.4: Identificación manual y automática para las características cualitativas etiquetadas por losmédicos del INR, utilizando el método FLM propuesto en (Várallyay et al., 2009b).

estuvo por debajo o por encima de los valores propuestos en la escala del método del

FLM, debido a esto no fue posible caracterizar su forma melódica.

5.3. Diagnóstico

El diagnóstico de un llanto en el presente trabajo, consiste en determinar si un

llanto tiene tendencia patológica o si se trata de un llanto de un infantil sano. El

experimento consistió en identificar las características cualitativas de cada clase de la

base de datos Chillanto. Las clases que se evaluaron en este experimento son: Asfixia,

Alto riesgo, Hiperbilirrubinemia, Sordera, Sanos. Cada muestra con una duración

mínima de 15 segundos y máxima de 30 segundos, que es considerada la duración

necesaria y suficiente para un análisis cualitativo.

La nomenclatura usada en las tablas es la siguiente:

as: melodía ascendente

des: melodía descendente

a-s: melodía ascendente-descendente

d-a: melodía descendente-ascendente

plana: melodía plana

sfm: sin forma melódica


5.3 Diagnóstico 55

s: desplazamiento o shift

g: deslizamiento o glide

cr: concentración de ruido

El primer paso fue detectar las unidades de llanto de cada muestra de cada clase.

Las unidades de llanto detectadas para cada clase se pueden observar en la columna

Unidades de las tablas 5.5 a la 5.9. Un total 13 unidades de llanto no se detectaron

correctamente, debido a que las muestras contenían gran cantidad de ruido. Éstas

muestras no se tomaron en cuenta para el análisis cualitativo y se describen a con-

tinuación: De las muestras de Asfixia, no se tomó en cuenta la muestra 005. De las

muestras de Alto riesgo no se tomaron en cuenta las muestras 005, 007, 008, 010, 017,

018, 021, 023 y 028. De las muestras de Hiperbilirrubinemia no se tomaron en cuenta

las muestras 007 y 008. Finalmente de las muestras de Sordera no se tomó en cuenta

la muestra 027.

Una vez que se llevó a cabo la detección automática de unidades de llanto, el paso

siguiente fue la identificación automática de características cualitativas utilizando

el método propuesto. Los resultados se muestran en las tablas 5.5 a la 5.9. Donde

tenemos que: La primera columna muestra el nombre de las muestras contenidas

en la clase. La columna unidades de llanto, muestra las unidades de llanto obtenidas

automáticamente con el método propuesto para cada muestra. La columna as, muestra

cuántas unidades de llanto son de melodía tipo ascendente. La columna des, muestra

cuántas unidades de llanto son de melodía tipo descendente. La columna a-d, muestra

cuántas unidades de llanto son de melodía tipo ascendente-descendente. La columna

d-a, muestra cuántas unidades de llanto son de melodía tipo descendente-ascendente.

La columna plana, muestra cuántas unidades de llanto son de melodía plana. La

columna sfm, muestra cuántas unidades de llanto son sin forma melódica. La columna

s, muestra cuántas unidades de llanto contienen shifts. La columna g, muestra cuántas

unidades de llanto contienen glides. La columna cr, muestra cuántas unidades de llanto

contienen concentraciones de ruido. Finalmente, la fila Promedio, muestra el promedio

de todas las columnas de la tabla.

Para el caso de la Tabla 5.5, de muestras de llantos de Asfixia, tenemos que la ca-

racterística cualitativa que más se presenta es shift con un promedio del 13.6, seguida

con un 7.8 de la característica de sin forma melódica y como tercer lugar tenemos



Muestra Unidades as des a-d d-a plana sfm s g cr001 19 5 3 1 1 5 3 17 3 5002 22 3 2 5 2 1 8 16 6 2003 14 2 2 5 0 0 5 4 0 0004 20 2 0 4 1 0 13 15 9 2006 22 2 5 1 1 2 10 16 6 4

Promedio 19.4 2.8 2.4 3.2 1 1.6 7.8 13.6 4.8 2.6

Tabla 5.5: Identificación automática de características cualitativas para las muestras de Llantos clasi-ficados como Asfixia, utilizando el método propuesto.

Muestra Unidades as des a-d d-a plana sfm s g cr002 26 0 4 3 3 3 13 26 2 3003 9 0 0 0 0 0 9 9 6 7004 8 0 0 1 0 0 7 8 4 8009 10 0 0 1 0 0 9 10 9 2011 25 4 5 7 1 0 7 24 6 2012 21 0 1 3 0 1 16 20 12 2013 9 0 0 1 0 0 8 9 1 6016 8 0 0 0 0 0 8 8 4 1019 7 1 0 0 0 0 6 7 5 5022 8 0 2 0 0 0 6 8 2 5

Promedio 13.1 0.5 1.2 1.6 0.4 0.4 8.9 12.9 5.1 4.1

Tabla 5.6: Identificación automática de características cualitativas para las muestras de Llantos clasi-ficados como Alto riesgo, utilizando el método propuesto

al glide con un 4.8. Como se mencionó en los capítulos anteriores. Los resultados

muestran que efectivamente hay inestabilidad para mantener una melodía.

Para el caso de la Tabla 5.6 de llantos de niños nacidos bajo condiciones de Alto

Riesgo. La característica que más se presenta es el shift, seguida por segmentos sin

forma melódica y finalmente el glide. Esta clase aún se encuentra en estudio, pero

lo que podemos observar es que la melodía ascendente-descendente es característica

de los llantos de infantes sanos y la melodía descendente no. Sin embargo, el pro-

medio de ambas se encuentra muy cercano. También podemos observar que existen

cambios abruptos en la señal e inestabilidad para mantener una melodía. Además de

presentarse también de forma significativa las concentraciones de ruido.


5.3 Diagnóstico 57


Promedio 17.2 1 2.8 1.8 2 1.4 7.6 15 3 2.6

Tabla 5.7: Identificación automática de características cualitativas para las muestras de Llantos clasi-ficados como Hiperbilirrubinemia, utilizando el método propuesto.


Promedio 16.8 0.6 2.8 2.6 2.4 0.4 7.8 14.8 2.8 0.8

Tabla 5.8: Identificación automática de características cualitativas para las muestras de Llantos clasi-ficados como Sordera, utilizando el método propuesto.

La Tabla 5.7 muestra los resultados de los llantos clasificados como Hiperbilirrubi-

nemia. Donde la característica que más se presenta es el shift, seguida por segmentos

sin forma melódica y finalmente el glide. Esto significa que existen muchos cambios

abruptos en la señal, y existe inestabilidad para mantener una melodía. Además las

melodías descendente y descendente-ascendente y las concentraciones de ruido, están

por encima de las melodías ascendente y ascendente-descendente, que son las melodías

que caracterizan el llanto de un infante sano.

La tabla 5.8 muestra los resultados de los llantos clasificados como Sordera. La

característica cualitativa que más se presenta es el shift, seguida por segmentos sin

forma melódica y finalmente el glide y la melodía descendente. En estas muestras se

puede observar una clara inestabilidad de la melodía.

La Tabla 5.9 muestra los resultados obtenidos para llantos de infantes clasificados

como Sanos. Donde la característica que más se presenta es el shitf, seguida de seg-

mentos sin forma melódica y finalmente la melodía tipo ascendente-descendete. Ésta

última, es el tipo de melodía que caracteriza a los llantos de infantes sanos.



Muestra Unidades as des a-d d-a plana sfm s g cr027 26 2 7 2 2 2 9 25 8 5028 24 0 1 6 0 9 8 11 3 0083 30 6 2 8 5 0 9 27 0 0084 30 5 0 6 2 0 17 27 5 0087 26 2 2 3 6 1 12 22 5 2094 14 1 3 0 0 0 10 12 3 1100 28 1 5 6 1 4 11 18 1 0101 6 1 0 0 1 0 4 5 4 1103 8 1 0 1 1 0 5 8 3 1113 25 1 3 7 0 8 6 10 2 0

Promedio 21.7 2 2.3 3.9 1.8 2.4 9.1 16.5 3.4 1

Tabla 5.9: Identificación automática de características cualitativas para las muestras de Llantos clasi-ficados como Sanos, utilizando el método propuesto.

Para diagnosticar un llanto, los médicos hacen un conteo de las características

cualitativas encontradas en la muestra y de las características cualitativas que carac-

terizan un llanto con alguna patología, si estas últimas sobrepasan un 30 % de las

características cualitativas totales de la muestra, el llanto es considerado con tenden-

cia a patológico.

Las tablas 5.10-5.14 muestran los resultados obtenidos del conteo de caracterís-

ticas cualitativas. En la columna Muestra están los nombres de las grabaciones. En

la columna Características Cualitativas, se puede observar el número total de carac-

terísticas cualitativas encontradas en cada muestra. En la columna Características

Patológicas, se pueden observar las características cualitativas que dan indicios de

la tendencia patológica de un llanto. Éstas características son: melodía descendente,

melodía descendente-ascendente, melodía plana, shift, glide y concentración de ruido.

La última columna muestra el porcentaje de características cualitativas patológicas

encontradas, respecto a las características cualitativas totales.

Como resultados del diagnóstico tomando en cuenta sólo las características cua-

litativas, tenemos que: Las muestras de infantes clasificados como Asfixia tuvieron

un porcentaje de características cualitativas patológicas del 61.57 %, Alto riesgo del

68.60 %, Hiperbilirrubinemia del 72.35 %, Sordera del 68.53 % y Sanos del 64.67 %.

Como se puede observar, todas las clases superan el umbral establecido del 30 %. Sin

embargo, Los llantos de Asfixia y Sanos son los que contienen menor cantidad de


5.3 Diagnóstico 59

Muestras Características Características C. Porcentaje deCualitativas Patológicas C.C. Patológicas

001 43 34 79.06002 45 29 64.44003 18 6 33.33004 46 27 58.69006 47 34 72.34

Promedio 39.8 26 61.57

Tabla 5.10: Resultados del conteo de características cualitativas en las muestras clasificadas comoAsfixia.

Muestras Características Características Porcentaje deCualitativas Patológicas C. Patológicas

002 57 41 71.92003 31 22 70.96004 28 20 71.42009 31 21 67.74011 56 38 67.85012 55 36 65.45013 25 16 64016 21 13 61.90019 24 17 70.83022 23 17 73.91

Promedio 35.1 24.1 68.60

Tabla 5.11: Resultados del conteo de características cualitativas en las muestras clasificadas como Altoriesgo.


001 36 29 80.55003 25 18 72004 48 35 72.91005 32 23 71.87006 45 29 64.44

Promedio 37.2 26.8 72.35

Tabla 5.12: Resultados del conteo de características cualitativas en las muestras clasificadas comoHiperbilirrubinemia.




004 31 25 80.64029 32 17 53.12031 41 29 70.73033 37 25 67.56047 34 24 70.58

Promedio 35 24 68.53

Tabla 5.13: Resultados del conteo de características cualitativas en las muestras clasificadas comoSordera.


027 62 49 79.03028 38 24 63.15083 57 34 59.64084 62 34 54.83087 55 38 69.09094 30 19 63.33100 47 29 61.70101 16 11 68.75103 20 13 65113 37 23 62.16

Promedio 42.4 27.4 64.67

Tabla 5.14: Resultados del conteo de características cualitativas en las muestras clasificadas comoSanos.


5.3 Diagnóstico 61

Muestra Duracion Valor promedio Desviacion estandarseg. de la f0 de la f0

001 30 365.23 199.29002 30 522.02 209.54003 30 431.71 114.56004 30 363.5 294.03006 30 497.16 154.67

Promedio 30 435.924 194.418

Tabla 5.15: Resultados de las características cuantitativas para las muestras de Llantos de infantesclasificados como Asfixia.

características cualitativas que caracterizan un llanto con tendencia a patológico.

Debido a los resultados obtenidos, se realizó un experimento final. Se hizo un aná-

lisis cuantitativo tomando en cuenta el promedio de la frecuencia fundamental de las

unidades de llanto. El objetivo fue verificar si tomando en cuenta a las características

cuantitativas se podría reforzar o mejorar el diagnóstico. Los resultados obtenidos

se pueden observar en las tablas 5.15-1.19. En la columna Muestra se visualizan los

nombres de las muestras, La columna Duracion, muestra la duración de las muestras

en segundos. La columna Promedio, muestra promedio de la f0. La última columna,

muestra la desviación estandar de la f0.

Como se puede observar, en el capítulo de Solución propuesta, se definió un llanto

normal y un llanto patológico tomando en cuenta características cuantitativas. De ahí

se tiene que el valor promedio de la f0 en un infante sano está en un rango de 400Hz

a 600Hz.

De los resultados aquí obtenidos, podemos ver en las Tablas 5.16 y 5.17 que los

valores promedio de la f0, están por debajo del rango establecido para un llanto de

un infante sano. Éstas dos mismas clases, tuvieron más porcentaje de características

cualitativas que definen un llanto con tendencia a patológico. Con lo que podemos

concluir que el análisis cualitativo del llanto infantil permite diferenciar entre llan-

tos patológicos y normales. Pero apoyarse en el análisis cuantitativo,también es de

gran ayuda para reforzar un diagnóstico. Y entre más información y características

podamos extraer del llanto se obtendrá un diagnóstico más preciso.




002 30 195.39 98.95003 30 297.56 297.54004 30 185.75 189.71009 30 302.45 247.29011 30 392.81 198.49012 30 405.5 229.32013 30 145.35 65.82016 30 219.63 133.61019 30 317.6 295.76022 30 161.11 114.86

Promedio 30 262.315 187.135

Tabla 5.16: Resultados de las características cuantitativas para las muestras de Llantos de infantesclasificados como Alto riesgo.


001 30 473.14 159.88003 30 385.83 170.55004 30 272.44 161.35005 24 166.07 106.66006 30 323.58 188.91

Promedio 28.8 324.212 157.47

Tabla 5.17: Resultados de las características cuantitativas para las muestras de Llantos de infantesclasificados como Hiperbilirrubinemia.


004 30 333.15 217.53029 30 416.33 89.87031 30 466.01 133.43033 30 369.8 156.43047 30 491.24 165.94

Promedio 30 415.306 152.64

Tabla 5.18: Resultados de las características cuantitativas para las muestras de Llantos de infantesclasificados como Sordera.


5.3 Diagnóstico 63


027 30 455.01 168.02028 30 440.42 152.21083 30 469.5 104.43084 30 484.34 119.17087 30 481.7 203.72094 30 452.91 167100 30 390.83 132.5101 12 466.74 192.47103 12 531.57 203.13113 30 455.82 157.42

Promedio 26.4 462.884 160.007

Tabla 5.19: Resultados de las características cuantitativas para las muestras de Llantos de infantesclasificados como Sanos.


Capítulo 6

Conclusiones y trabajo futuro

6.1. Conclusiones

La tarea de detección de unidades de llanto es una tarea de vital importancia en el

análisis del llanto infantil ya que de la calidad de los resultados obtenidos en esta parte,

dependen los resultados obtenidos en análisis posteriores. El método presentado es

capaz de detectar las unidades de llanto aún cuando las grabaciones presentan ruido.

Los umbrales establecidos para considerar unidades de llanto válidas para un análisis

posterior, permiten eliminar los silencios, ruidos y a su vez permiten eliminar los

sonidos inspiratorios de las grabaciones los cuales no aportan información de calidad.

Por otra parte, el análisis de características cualitativas permite diferenciar entre

llantos normales y llantos patológicos, el método del dodecagrama que se desarrolló

es un método novedoso que permite la identificación de características cualitativas en

el llanto infantil.

Estos dos métodos propuestos minimizan el trabajo de los médicos expertos, ya

que en la actualidad tanto la detección de unidades de llanto como la identificación

de características cualitativas se realiza de forma manual. Además como se mostró en

el capítulo anterior, es posible mejorar la precisión, ya que con el método propuesto

para la identificación de características cualitativas es posible identificar cambios en

la señal que a simple vista no son fáciles de identificar.

6.2. Trabajo futuro

Como trabajo futuro se propone:

La identificación automática de más características cualitativas. En el presente

[65]

66 6. Conclusiones y trabajo futuro

trabajo se toman en cuenta las características cualitativas consideradas las más

relevantes para analizar y determinar si un llanto tiene tendencia patológica. Sin

embargo, existen más características cualitativas que se presentan en algunas

patologías y que no fueron consideradas en este trabajo , como la bifonación,

bifurcación, vibrato, etc. Con la identificación automática de más características

cualitativas, se tendría más información para reforzar un diagnóstico y se tendría

una descripción más detallada del llanto infantil.

Tomar en cuenta al menos un armónico de la señal. Ya que con un armónico

es suficiente y necesario para la identificación de otras características cualitati-

vas como el Glotal Roll. Además, los armónicos también contienen información

útil que podría ser combinada con la información que nos brinda la frecuencia

fundamental.

Establecer más reglas que permitan diferenciar entre llantos normales y patoló-

gicos.

Combinar la información de características cualitativas y cuantitativas del llanto

infantil, para proporcionar un diagnóstico más preciso.

El mejoramiento de la interfaz, haciéndola más amigable al usuario.


Apéndices

[67]

Apéndice

Interfaz

Se implementó en MATLAB una sencilla interfaz mostrada en la Figura A.1 que

permite mostrar los resultados tanto de la identificación automática de unidades de

llanto como de la identificación automática de características cualitativas.

A continuación se describen los elementos de la interfaz:

1.- El botón Examinar permite buscar y mostrar la ruta de los archivos .wav.

2.- El botón Obtener Unidades hace un llamado a la función que detecta automá-

ticamente las unidades de llanto del archivo .wav seleccionado.

3.- Panel de texto que muestra las unidades de llanto detectadas automáticamente

así como el tiempo de inicio y tiempo final de cada una de ellas, además se

muestra la duración total de la grabación y el número de unidades de llanto

detectadas.

4.- El botón Analizar hace un llamado a la función que identifica automáticamente

las características cualitativas de las unidades de llanto detectadas.

5.- Panel de texto en el que se muestran las unidades de llanto con su/sus respec-

tivas características cualitativas.

6.- El botón señal permite desplegar en el componente exes la señal del archivo

.wav completo, o por unidades de llanto.

7.- El botón f0 permite desplegar en el componente exes la frecuencia fundamental

de las unidades de llanto identificadas.

8.- El botón Espectrograma permite desplegar en el componente exes el espectro-

grama del archivo .wav completo, o por unidades de llanto.

[69]

70 A. Interfaz

Figura A.1: Interfaz.

9.- Componente exes que permite desplegar la señal, la f0 y el espectrograma.

10.- Finalmente, el botón salir, cierra la interfaz.

En la Figura A.2 se muestra el espectrograma de la grabación 26.wav (Figura

A.2a), donde se pueden observar las 10 unidades de llanto contenidas en la graba-

ción, también se muestra la señal de la primera unidad de llanto (Figura A.2b), su

frecuencia fundamental (Figura A.2c) y su espectrograma (Figura A.2d).


71

(a) Espectrograma de la grabación 26.wav (b) Señal de la primera unidad de llanto

(c) Frecuencia fundamental de la primeraunidad de llanto

(d) Espectrograma de la primera unidad dellanto

Figura A.2: Campo AXES de la interfaz.


72 A. Interfaz


Referencias

Arch, E., Mandujano, M., García, L., Martínez, C., Reyes, C., Taboada, V.. Aná-

lisis del llanto del niño hipoacúsico y del niño normo-oyente análisis del llanto del

niño hipoacúsico y del niño normo-oyente análisis del llanto del niño hipoacústico

y del niño normo-oyente. Cirugía y Cirujanos 2004;72(4):271–276.

Arch, E., Verduzco, A., Mandujano, M., Reyes, C., Alfaro, A., Sánchez, M.,

Martínez, C.. Análisis del llanto en niños hipoascústicos y normoyentes de 0 a 2

años de edad. Salud Mental 2006;29(006):31–38.

Baeck, H., Souza, M.. Study of acoustic features of newborn cries that correlate with

the context. In: Engineering in Medicine and Biology Society. Univ. Fed. do Rio

de Janeiro: Proceedings of the 23rd Annual International Conference of the IEEE;

2001. .

Brazelton, T.. El Método Brazelton. El Llanto, 2003.

Cano, S., Escobedo, D., Coello, F.. El uso de los mapas auto-organizados de kohonen

en la clasificación de unidades de llanto infantil. In: I. Taller AIRENE sobre Re-

conocimiento de Patrones con Redes Neuronales. Antofagasta, Chile: Universidad

Católica del Norte; 1999. p. 24–29.

Cano, S., Escobedo, D., Ekkel, T.. A radial basis function network oriented for

infant cry classification. Progress in Pattern Recognition, Spech and Image Analysis

2004;3287:15–36.

Cano, S., Escobedo, D., Socarras, M.. The spectral analysis of infant cry: An initial

approximation. In: Proceedings of EUROSPEECH’95. ESCA IEEE; 1995. .

[73]

74 REFERENCIAS

Corwin, M., Kayne, H., Lester, B., Sepkoski, C., McLaughlin, S., Golub, H.. Effects

of in utero cocaine exposure on newborn acoustical cry characteristics. Pediatrics

1992;89(6):1199–1203.

Corwin, M., Lester, B., Sepkoski, C., M., P., Kayne, H., Golub, H.. Newborn

acoustic cry characteristics of infants subsequently dying of sudden infant death

syndrome. Pediatrics 1995;96(1):73–77.

Fant, G.. Structural classification of swedish phonemes. STL-QPSR 1960;1(2):010–

015.

Flanagan, J.. Voices of men and machines. J Acoust Soc Am 1972;51(5A):1375–1387.

Fort, A., Manfredi, C.. Acoustic analysis of newborn infant cry signals. Med Eng

Phys 1998;20(6):432–442.

Fuller, B.. Acoustic discrimination of three types of infant cries. Nursing Research

1991;40(3).

Gardosik, T., Ross, P.. Infant Communication: Cry and Early Speech; Murry, T.

and Murry, J.

Gilbert, H., Robb, M.. Vocal fundamental frecuency characteristics if infant hunger

cries: Birth to 12 months. Int J Pediatr Otorhinolaryngol 1996;.

Golub, H.. A physioacoustic model of the infant cry and its use for medical diagnosis

and prognosis. Acoustical Society of America 1979;65(S1):S25–S26.

Golub, H., Corwin, M.. Infant cry: A clue to diagnosis. Pediatrics 1982;69(2):197–

201.

Golub, H., Corwin, M.. Infant Crying: Theoretical and Research Perspectives; Lester,

B.M. and Boukydis, C. p. 59–82.

Grauel, E., Hock, S., Rothg, H., Rothgänger, . Jitter-index of the fundamental

frequency of infant cry as a possible diagnostic tool to predict future development

problems. Early Child Development and Care 1990;65(1):23–29.


REFERENCIAS 75

Hirschberg, J.. The value of the acoustic analysis of pathological infant cry and breat-

hing noise in eneryday practice. Early Child Development and Care 1990;65(1):57–

69.

Hirschberg, J.. Dysphonia in infants. Int J Pediatr Otorhinolaryngol 1999;49(1):S293–

S296.

Hirschberg, J., Szende, T.. Pathological Cry, Stridor and Cough in Infants. Akadé-

miai Kiadó, 1982.

Keating, P.. Infant Communication: Cry and Early; Murry, T. and Murry, J.

Koivisto, M.. Cry analysis in infant with rh haemolytic disease. Acta Paediatr Scand

1987;335:1–73.

LaGasse, L., Neal, R.. Assessment of infant cry: Acoustic cry analysis and parental

perception. Mental Retardation and Developmental Disabilities Research Reviews

2005;11(1):83–93.

Lederman, D.. Automatic Classification of Infant’s Cry. Master’s thesis; Ben-Gurion

University of Negev, Faculty of Engineering Science, Electrical and Computer En-

gineering Department; 2002.

Lederman, D., Cohen, A., Zmora, E., Wermke, K., Hauschildt, S., Stellzig-

Eisenhauer, A.. On the use of hidden markov models in infants’cry classification.

In: Electrical and Electronics Engineers in Israel. volume 1; 2002. p. 350–352.

Lester, B.. Advances in Infancy Reseach; Lipsitt, L.P. p. 167–212.

Lester, B.. Developmental outcome prediction from acoustic cry analysis in term and

preterm infants. Pediatrics 1987;80(4):529–534.

Lester, B.. Pediatric Research; volume 264A.

Lester, B., Tronick, E., LaGasse, L., Seifer, R., Bauner, C., Shankaran, S., Bada,

H., Wright, L., Smeriglio, V., Lu, J., Finnegan, L., Maza, P.. The maternal

lifestyle study: Effects of substance exposure during pregnancy on neurodevelop-

mental outcome in 1-month-old infants. Pediatrics 2002;110(6):1182–1192.


76 REFERENCIAS

Lind, J., Wasz-Höckert, O., Vuorenkoski, V., Valanne, E.. The vocalization of a

newborn, brain-damaged child. Ann Paediatr Fenn 1965;11.

Lind, K., Wermke, K.. Development of the vocal fundamental frecuency of

spontaneos cries during the first 3 months. Int J Pediatr Otorhinolaryngology

2002;64(2):97–104.

Makói, Z., Szöke, Z., Sasvári, L., Gegesi-Kiss, P., Popper, P.. 1st cry of newborn

after vaginal and cesarean delivery. Acta Paediatr Hung 1975;16(2):155–161.

Martínez, C., Jara, N.. Análisis Espectrofonográfico del Llanto de Recién Nacidos

de Término con Riesgo Neurológico. Master’s thesis; Instituto de Perinatología;

2004.

Mende, W., Herzel, H., Wermke, K.. Bifurcations and chaos in newborn infant

cries. Physics Letters A 1990a;145(8-9):418–424.

Mende, W., Wermke, K., Schindler, S., Wilzopolski, K., Höck, S.. Variability of

the cry melody and the melody spectrum as indicators for certain cns disorders.

Early Child Development and Care 1990b;65(95-107).

Michelsson, K.. Cry analyses of symptomless low birth weight neonates and of

asphyxiated newborn infants. Acta Paediatrica 1971;60(S216):9–45.

Michelsson, K.. Infant Communication: Cry and Early Speech; Murry, T. and Murry,

J.

Michelsson, K., Todd de Barra, H., Michelsson, O.. Focus Nonverbal Communication

Research. Number 2.

Michelsson, K., Christensson, K., Rothgänger, H., Winberg, J.. Crying in separa-

ted and non-separated newborns: sound spectrographic analysis. Acta Paediatrica

1996;85(4):471–475.

Michelsson, K., Eklund, K., Leepänen, P., Lyytinen, H.. Cry characteristics of

172 healthy 1- to 7-day-old infants. International Journal of Phoniatrics Speech

Therapy and Communication Pathology 2002;54(4):190–200.

Michelsson, K., Michelsson, O.. Phonation in the newborn infant cry. Int J Pediatr

Otorhinolaryngol 1999;49(1):S297–S301.


REFERENCIAS 77

Michelsson, K., Sirviö, P., Wasz-Höckert, O.. Pain cry in full-term asphyxiated

newborn infants correlated with late findings. Acta Paediatrica 1977;66(5):611–

616.

Möller, S., Schönweiler, R.. Analysis of infant cries for the early detection of hearing

impairment. Speech Communication 1999;28(3):175–193.

Murry, T.. Infant Communication: Cry and Early; Murry, T. and Murry, J.

Nugent, J., Lester, B., Greene, S., Wieczorek-Deering, D., O’Mahony, P.. The

effects of maternal alcohol consumption and cigarette smoking during pregnancy

on acoustic cry analysis. Child Development 1996;67(4):1806–1815.

Obediente, E.. Fonética y Fonología. p. 45–68.

Orozco, J., Reyes, C.. Mel-frequency cepstrum coefficients extraction from infant cry

for classification of normal and pathological cry with feed-forward neural networks.

In: Proceedings of the International Joint Conference on On Neural Networks.

volume 4; 2003a. p. 3140–3145.

Orozco, J., Reyes, C.. A study on the recognition of patterns of infant cry for the

identification of deafness in just born babies with neural networks. Progress in

Pattern Recognition, Spech and Image Analysis 2003b;2905:342–249.

Ostwald, P.. Infant Crying: Theoretical and Research Perspectives; Lester, B.M. and

Boukydis, C.

Ostwald, P., Freedman, D., Kurtz, J.. Vocalization of infant twins. a preliminary

report. Folia Phoniatr 1962;14:37–50.

Paparrella, M.. Otorrinolaringología. Ciencias Básicas y Disciplinas Afines, 1994.

Petroni, M., Malowany, A., Johnston, C.. Identification of pain from infant cry

vocalizations using artificial neural networks (anns). SPIE, Applications in Speech

1995;2492(729).

Prescott, R.. Infant Communication: Cry and Early; Murry, T. and Murry, J.

Protopapas, A., Eimas, P.. Perceptual differences in infant cries revealed by modi-

fications of acoustic features. Acoustical Society of America 1997;102(6):3723–34.


78 REFERENCIAS

Raes, J., Dehaen, F., Despontin, M.. Towards a standardized terminology and

methodology for the measurement of durational pain cry characteristics. Early

Child Development and Care 1990;65(1):127–138.

Raes, J., Michelsson, K., Dehaen, F., Despontin, M.. Cry analysis in infants with

infectious and congenital disorders of the larynx. International Journal of Pediatric

Otorhinolaryngology 1982;4(2):157–169.

Raes, J., Michelsson, K., Despontin, M.. Spectrographic analysis of the crying of

infants with laryngeal disorders. Acta Otorhinolaryngol Belg 1980;34(3):224–237.

Rapisardi, G., Vohr, B., Cashore, W., M., P.. Assessment of infant cry varia-

bility in high-risk infants. International Journal of Pediatric Otorhinolaryngology

1989;17(1):19–29.

Reyes, C., Cano, S., editors. Fundamentos Teóricos y Prácticos del Análisis del

Llanto Infantil. Tonantzintla, Pue., México, 2009.

Rothenberg, S., Cansino, S., Sepkoski, C., Mercado, L., Medina, S., Schnaas, L.,

Poblano, A., Karchmer, S.. Prenatal and perinatal lead exposures alter acoustic

cry parameters of neonate. Neurotoxicology and Teratology 1995;17(2):151–160.

Rothgänger, H.. Analysis of the sounds of the child in the first year of age and a

comparison to the language. Early Human Development 2003;75(1):55–69.

Rothgänger, H., Michelsson, K., Lüdge, W., Grauel, E.. Comparing examination of

cry and speech signals with the method of high-resolution fundamental frequency

analysis. In: Helsinki Publications of the Deparment of Phonetics, U.o.H., edi-

tor. Proceedings of the Third Congress of the International Clinical Phonetics and

Linguistics Association. volume 39; 1993. p. 159–166.

Ruiz, F., Siegmund, R., Wermke, K., Dorado, J., Escobedo, D.. Síndrome de west:

una aproximación cronobiológica. Revista de Neurología 2000;30(10):925–928.

Runefors, P., Arnbjörnsson, E., Elander, G., Michelsson, K.. Newborn infants’cry

after heel-prick: analysis with sound spectrogram. Acta Paediatrica 2000;89(1):68–

72.


REFERENCIAS 79

Saratxaga, I., Luengo, I., Navas, E., Hernández, I., Sánchez, J., Sainz, I.. De-

tección de pitch en condiciones adversas. In: IV Jornada en Tecnología del Habla.

Universidad del País Vasco – Euskal Herriko Unibertsitatea; 2006. p. 13–18.

Schönweiler, R., Kaese, S., Möller, S., Rinscheid, A., Ptok, M.. Neuronal networks

and self-organizing maps: New computer techniques in the acoustic evaluation of

the infant cry. Int J Pediatr Otorhinolaryngol 1996;38(1):1–11.

Sheiner, E., Hammerschmidt, K., Jürgens, U., Zwirner, P.. Acoustic analyses of

developmental changes and emotional expression in the preverbal vocalizations of

infants. Journal of Voice 2002;16(4):509–529.

Thoden, C., Koivisto, M.. Infant Communication: Cry and Early; Murry, T. and

Murry, J.

Valanne, H., Vuorenkoski, V., Partanen, J., Lind, J., Wasz-Höckert, O.. The ability

of human mothers to identify the hunger cry signals of their own new-born infants

during the lying-in period. Cellular and Molecular Life Sciences 1967;23(9):768–769.

Várallyay, G.J., Illényi, A., Benyó, Z.. Automatic cry detection 2009a;:11–14.

Várallyay, G.J., Illényi, A., Benyó, Z.. Melody analysis if the newborn infant cries

2009b;:11–14.

Wasz-Höckert, O., Lind, J., Vuorenkoski, V., Partanen, T.. The infant cry: A

spectrographic and auditory analysis. Clinics in Developmental Medicine 1968;29:1–

42.

Wasz-Höckert, O., Partanen, T., Vuorenkoski, V., Michelsson, K., Valanne, E..

The identification of some specific meanings in infant vocalization. Cellular and

Molecular Life Sciences 1964;20(3).

Wermke, K., Hauser, C., Komposch, G., Stelizig, A.. Spectral analysis of prespeech

sounds (spontaneous cries) in infants with unilateral cleft lip and palate (uclp): A

pilot study. The Cleft Palate-Craniofacial 2002a;39(3):285–294.

Wermke, K., Mende, W., Borschberg, H., Ruppert, R.. Voice characteristics of

prespeech vocalization of twins during the first year of life. Pathologies of Speech

and Language: Contributions of Clinical Phonetics and Linguistics 1996;:1–7.


80 REFERENCIAS

Wermke, K., Mende, W., Grauel, K., Wilsopolski, U., Schmucker, U., Schöder,

G.. Cry Reports - Special Issue; Kirkland, J. p. 57–62.

Wermke, K., Mende, W., Manfredi, C., Bruscaglioni, P.. Developmental aspects

of infant’s cry melody and formants. Med Eng Phys 2002b;24(7-8):501–514.

Wikipedia, . Frecuencia fundamental. a.

Wikipedia, . Variable estadística. b.

Xie, Q., Ward, R., Laszlo, C.. Automatic assessment of infant’s levels-of-

distress from the cry signals. IEEE Transactions on Speech and Audio Processing

1996;4(4):253.

Zeskind, P., Barr, R.. Acoustic characteristics of naturally occurring cries of infants

with colic. Child Development 2006;68(3):394–403.


portada · Title: portada.dvi Created Date: 2/6/2011 7:31:51 PM

Documents

Transcript of portada · Title: portada.dvi Created Date: 2/6/2011 7:31:51 PM