Classificação de vozes patológicas utilizando análise paramétrica e não paramétrica.

• Ano de defesa: 2012
• Autor(a) principal: BRANDT, Robert Rice.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA; UFCG
• Palavras-chave em Português: Vozes patológicas - classificação; Análise paramétrica; Análise não paramétrica; Análise acústica; Vozes saudáveis; Modelagem híbrida; Saúde da voz; Voz saudável; Patologias da voz - diagnóstico; Sinais de voz; Frequência jitter - perturbação; Ruído glotal - voz; Predição linear e cepstral; Pathological voices - classification; Parametric analysis; Nonparametric analysis; Acoustic analysis; Healthy voices; Hybrid modeling; Voice health; Healthy voice; Voice pathologies - diagnosis; Voice signals; Jitter frequency - disturbance; Glottal noise - voice; Linear and cepstral prediction; Engenharia Elétrica.
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18198

A voz é um instrumento muito útil na comunicação humana, mas que pode ser prejudicada por diversas patologias e a identificação destas patologias é um passo importante para o seu tratamento. A análise acústica é uma técnica não invasiva para auxílio ao diagnóstico de patologias. Nesta tese, é utilizada a análise acústica de sinais de voz para classificar vozes como normais ou patológicas, empregando características paramétricas e não paramétricas do sinal de voz. A discriminação não paramétrica inclui análise das perturbações em frequência (jitter), em amplitude (shimmer), e suas variações, bem como a presença de ruído glotal. A discriminação paramétrica inclui análise por predição linear (LPC) e cepstral. Esta tese contempla a classificação de vozes em patológicas ou não patológicas e, ainda, no grupo patológico, faz discriminação entre edema, paralisia ou outra patologia. Utilizando divisão por gênero e combinando as características não paramétricas com as paramétricas em um vetor híbrido de características na classificação de vozes, em patológicas e não patológicas, obtevese taxa de acerto em torno dos 94,6% para vozes masculinas e 87,3% para as vozes femininas. Na classificação entre vozes afetadas por edema e vozes afetadas por outras patologias a taxa de acerto foi de 77,1% para vozes masculinas e 54,3% para vozes femininas. Na discriminação entre vozes com paralisia e vozes afetadas por outras patologias, a taxa de acerto foi de 60,0% para as vozes masculinas e 68,6% para as vozes femininas. Na discriminação entre vozes afetadas por edema e vozes afetadas por paralisia a taxa de acerto foi de 73,5% para as vozes masculinas e 62,5% para as vozes femininas. A utilização de vetores híbridos (contendo informações paramétricas e não paramétricas) para a discriminação de vozes em normal e patológica, mostrou-se bastante promissor. Na discriminação entre patologias, o vetor híbrido não proporcionou melhorias.