아기 울음소리로 보는 산소 결핍 진단, 전이학습의 힘

본 논문은 전 세계적으로 매년 600만 명에 달하는 신생아 사망·장애의 주요 원인인 산소 결핍(Perinatal Asphyxia)을 조기에 진단하기 위한 저비용 솔루션으로, 영아의 울음소리를 활용하는 방법을 제시한다. 기존 연구는 주로 고전적인 머신러닝 기법이나 파라미터가 제한된 신경망에 의존했으며, 데이터 양이 부족해 일반화에 한계가 있었다. 저자들은 이러한 한계를 극복하기 위해, 대규모 성인 음성 데이터셋을 이용한 전이학습(transfer learning) 전략을 채택하였다. 먼저, 세 가지 소스 과제(화자 식별 – VCTK, 성별 구분 – SITW, 단어 인식 – Speech Commands)를 선정하고, 각각의 데이터셋으로 ResNet‑8 모델을 사전 학습시켰다. 사전 학습 단계에서 얻은 가중치는 최종 목표인 Chillanto Infant Cry 데이터셋(정상 1,049개, 산소 결핍 340개)으로 전이되었다. 전이 과정에서는 전체 네트워크를 미세조정했으며, 소프트맥스 레이어만 새롭게 초기화했다. 데이터 전처리는 모든 오디오를 8 kHz로 다운샘플링하고, 30 ms 프레임·10 ms 스트라이드, 40개의 멜 밴드로 MFCC를 추출해 40 × 101 형태의 2차원 입력으로 변환하였다. 이는 성인 음성 및 영아 울음소리 모두에 일관된 특성 표현을 제공한다. 비교 대상으로는 (1) 동일한 ResNet‑8 구조를 랜덤 초기화한 no‑transfer 모델, (2) MFCC 기반 라디얼 베이스 함수 SVM이 있다. 성능 평가는 무가중 평균 재현율(UAR), 민감도(산소 결핍 재현율), 특이도(정상 재현율)로 진행했으며, 클래스 불균형을 고려해 UAR을 주요 지표로 삼았다. 실험 결과, 단어 인식 과제로 사전 학습한 sc‑transfer 모델이 UAR 86.5%와 민감도 84.1%, 특이도 88.9%를 기록하며 가장 우수했다. 이는 SVM(84.4% UAR)보다 약 2%p 높은 수치이며, no‑transfer(80.0% UAR)와도 큰 차이를 보였다. 또한, 모든 전이 모델이 SVM보다 잡음(가우시안, 아이들 소리, 개 짖음, 사이렌) 및 오디오 길이 감소에 대해 더 완만하게 성능이 저하되는 등 강인성을 입증했다. 특히, sc‑transfer 모델은 0.5 s(절반) 길이의 입력에서도 거의 동일한 UAR을 유지했다. 주파수 영역 강인성 테스트에서는 멜 필터뱅크를 하나씩 제거하며 성능 변화를 측정했으며, 모든 모델이 500 Hz 이하(영아 울음의 기본 주파수) 영역에 가장 민감함을 확인했다. sc‑transfer 모델은 이 구간에서도 가장 작은 성능 저하를 보였다. 임베딩 분석을 위해 최종 레이어의 128‑dimensional 벡터에 PCA를 적용했으며, no‑transfer 모델은 상위 2개의 주성분이 전체 분산의 91%를 차지해 저차원에 집중된 반면, sc‑transfer 모델은 52%만 차지해 보다 풍부하고 고차원적인 표현을 학습했음을 알 수 있었다. 이는 전이학습이 모델의 표현력을 크게 확장한다는 증거다. 결론적으로, 성인 음성 데이터로 사전 학습한 딥러닝 모델은 제한된 영아 울음 데이터에서도 높은 정확도와 강인성을 제공한다. 특히, 단어 인식 과제가 울음소리의 미세한 변동을 포착하는 데 가장 적합함을 실증하였다. SVM은 여전히 간단하고 변동성이 적은 베이스라인으로 유용하지만, 실시간 잡음이나 짧은 녹음 상황에서는 딥러닝 전이 모델이 더 나은 선택이다. 이 연구는 저비용 스마트폰·웨어러블 기반 신생아 진단 시스템 개발에 중요한 기술적 토대를 제공하며, 향후 더 큰 규모의 임상 데이터와 다양한 언어·문화권에 대한 확장 가능성을 시사한다.