Identifying Fetal Yawns Based on Temporal
Dynamics of Mouth Openings: A Preterm Neonate
Model Using Support Vector Machines (SVMs).
Menin et al.
Fetal yawning is of interest because of its
clinical, developmental and theoretical
implications. However, the methodological
challenges of identifying yawns from
ultrasonographic scans have not been
systematically addressed. The authors report two
studies that examined the temporal dynamics of
yawning in preterm neonates comparable in
developmental level to fetuses observed in
ultrasound studies (about 31 weeks PMA).
In Study 1, they tested the reliability and
construct validity of the only quantitative
measure for identifying fetal yawns in the
literature, by comparing its scores with a more
detailed behavioral coding system (The System
for Coding Perinatal Behavior, SCPB) adapted
from the comprehensive, anatomically based
Facial Action Coding System for Infants and
Young Children (Baby FACS). The previously
published measure yielded good reliability but
poor specificity, resulting in
over-representation of yawns.
In Study 2 they developed and tested a new
machine learning system based on support vector
machines (SVM) for identifying yawns. The system
displayed excellent specificity and sensitivity,
proving it to be a reliable and valid tool for
identifying yawns in fetuses and neonates. This
achievement represents a first step towards a
fully automated system for identifying yawns in
the perinatal period.
Le bâillement fœtal
présente un intérêt en
raison de ses implications cliniques,
développementales et théoriques.
Cependant, les défis
méthodologiques liés à
l'identification des bâillements à
partir des échographies n'ont pas
été systématiquement
abordés. Les auteurs rapportent deux
études qui ont examiné la
dynamique temporelle du bâillement chez
les nouveau-nés prématurés,
comparables en termes de développement,
aux fœtus observés dans les
études échographiques (environ 31
semaines de PMA).
Dans l'étude 1, ils ont testé
la fiabilité et ont assis la
validité de la seule mesure quantitative
pour identifier les bâillements
fœtaux décrits dans la
littérature, en comparant les scores avec
un système de codage comportemental plus
détaillé (The System for Coding
Perinatal Behavior, SCPB) adapté à
partir du système de codage des
activités faciales des nourrissons et des
jeunes enfants (FACS pour bébés).
La mesure publiée
précédemment a donné une
bonne fiabilité mais une faible
spécificité, ce qui a
entraîné une
surreprésentation des bâillements.
Dans l'étude 2, ils ont
développé et testé un
nouveau système d'apprentissage
automatique basé sur l'inteligence
artificelle (SVM) pour identifier les
bâillements. Le système a
montré une excellente
spécificité et sensibilité,
ce qui en fait un outil fiable et valide pour
identifier les bâillements chez les
fœtus et les nouveau-nés. Cette
réalisation représente une
première étape vers un
système entièrement
automatisé d'identification des
bâillements pendant la période
périnatale.
