Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/26829
Title: Sistema de detecção e classificação de patologias vocais baseado no domínio espectral da função de correntropia
Authors: Santos, Yuri Pedro dos
Keywords: Autocorrentropia;Patologias do trato vocal;Multilayer perceptron;Densidade espectral de correntropia
Issue Date: 18-Jan-2019
Citation: SANTOS, Yuri Pedro dos. Sistema de detecção e classificação de patologias vocais baseado no domínio espectral da função de correntropia. 2019. 63f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2019.
Portuguese Abstract: Patologias vocais afetam negativamente a vida social e profissional dos enfermos, algumas inclusive podem levar a óbito, caso não sejam tratadas rapidamente. Dentre os principais procedimentos para o diagnóstico de patologias vocais pode-se citar: laringoscopia, avaliação perceptivo-auditiva, análise acústica da voz, avaliação aerodinâmica e autoavaliação da voz pelo paciente. Entretanto, o primeiro procedimentos é invasivo e os seguintes são subjetivos, dependendo da experiência do profissional que irá realizar a análise. Por isso, técnicas de processamento digital de sinais vêm sendo utilizadas no auxílio ao diagnóstico de patologias do trato vocal. Neste trabalho é apresentado um sistema de detecção e classificação de patologias vocais, utilizando uma técnica de classificação baseada em descritores obtidos por meio da função densidade espectral de correntropia (CSD, Correntropy Spectral Density), definida como a transformada de Fourier da função de autocorrentropia. Os descritores assim obtidos possuem informações de momentos estatísticos de segunda ordem e de ordem superior do sinal de voz, por meio das quais pode-se detectar eficientemente algumas patologias vocais e classificá-las. A classificação é feita por uma rede neural multilayer perceptron (MLP) , realizando uma classificação binária entre vozes normais e patológicas e, em seguida, entre patologias (edema e nódulo). O classificador foi avaliado por simulação computacional e os resultados obtidos indicam uma taxa de acerto de aproximadamente 94% na detecção e 97% na classificação entre patologias.
Abstract: Vocal pathologies negatively affect the social and professional life of the patients, some of which may even lead to death if they are not treated quickly. Among the main procedures for the diagnosis of vocal disorders we can cite: laryngoscopy, perceptualauditory evaluation, voice acoustic analysis, aerodynamic evaluation and self-assessment of the voice by the patient. However, the first procedures are invasive and the following are subjective, depending on the experience of the professional who will perform the analysis. Therefore, digital signal processing techniques have been used as acoustic analysis to aid in the diagnosis of vocal tract pathologies. In this work a system of detection and classification of vocal pathologies is presented, using classification techniques based on descriptors obtained through the Correntropy Spectral Density (CSD) function, defined as the Fourier transform of the autocorrentropy function. The descriptors thus obtained have information of second-order and upper-order statistical moments of the speech signal, through which one can efficiently detect and classify some vocal pathologies. The classification is made by a neural network multilayer perceptron (MLP), performing a binary classification between normal and pathological voices and then between pathologies (edema and nodule). The classifier was evaluated by computer simulation and the results indicates, approximately, 94 % rate of correct detection and 97% rate of correct classification among pathologies.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/26829
Appears in Collections:PPGEE - Mestrado em Engenharia Elétrica e de Computação

Files in This Item:
File Description SizeFormat 
Sistemadetecçãoclassificação_Santos_2019.pdf1.05 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.