Author(s): Alves, Nuno Filipe Ribeiro
Date: 2016
Persistent ID: http://hdl.handle.net/10198/13915
Origin: Biblioteca Digital do IPB
Subject(s): Patologias da laringe; Deteção automática; Redes neuronais artificias; Máquinas de vetor de suporte; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Médica
A deteção automática de patologias da laringe permite fazer um diagnóstico rápido, barato e de forma não invasiva. Ao longo deste trabalho foram estudados vários tipos de parâmetros, sistemas de inteligência artificial e técnicas de seleção de variáveis que possam permitir a deteção de patologias das cordas vocais. Foram utilizados um primeiro conjunto de parâmetros constituídos por HNR e quatro medidas de jitter e shimmer. Foi avaliada a capacidade de predição deste conjunto de parâmetros quando usados com apenas uma vogal e um tom e quando usados com varias vogais e vários tons. Foi estudado um segundo conjunto de parâmetros onde constam 12 coeficientes cepstrais, frequências e larguras de banda dos três primeiros formantes, frequência fundamental, energia, potencia, momentos espectrais de ordem zero, um, dois, três e curtose. Isto serviu para aferir a utilidade de outro tipo parâmetros na deteção de patologias da laringe. Devido á grande quantidade de parâmetros e para melhor compreender a utilidade de alguns foram aplicadas técnicas de seleção de variáveis e redução da dimensão como a regressão linear passo a passo e análise das componentes principais (PCA). Foram utilizados dois tipos de sistemas inteligentes que depois de treinados permitiam a classificação em patológico ou saudável, as redes neuronais artificiais (RNA) e máquinas de vetor de suporte (MVS). Como grupos patológicos foram usadas a disfonia e paralisia das cordas vocais, separadas por género. Na classificação como patológico ou saudável, usando o primeiro conjunto de parâmetros (HNR, quatro medidas de jitter e shimmer para três vogais e três tons diferentes), foi possível obter precisões de: 100% usando tanto a disfonia feminino como masculino como grupo patológico; 78,9% usando a paralisia feminino como grupo patológico; 81,8% usando a paralisia masculino como grupo patológico.
Automatic detection of laryngeal pathologies allows a fast, low-cost and noninvasive diagnosis. Throughout this work we studied various types of parameters, artificial intelligence systems and variable selection techniques that can allow detection of pathologies of the vocal cords. We used a first set of parameters consisting of HNR and four measures of jitter and shimmer. The prediction capacity of this set of parameters was evaluated when used with only one vowel and tone and when used with several vowels and tones. We studied a second set of parameters which contains 12 cepstral coefficients, frequencies and bandwidths of the first three formants, fundamental frequency, energy, power, spectral moments of order zero, one, two, three and kurtosis. This served to assess the utility of other parameters in the detection of disorders of the larynx. Due to the large size of input parameters and to better understand the usefulness of some, variable selection and dimension reduction techniques like linear stepwise regression and principal component analysis (PCA) were applied. Two types of intelligent systems, like artificial neural networks (ANN) and support vector machine (MVS) that after training allows to classify in healthy or pathologic voices, were used. Dysphonia and vocal cord paralysis, separated by gender, were used as pathological groups. In the classification as pathological or healthy, using the first set of parameters (HNR, four measures of jitter and shimmer for three vowels and three different tones), it was possible to obtain accuracies of: 100% using both female and male dysphonia as pathological group; 78.9% using the female paralysis as pathological group; 81.8% using male paralysis as pathological group.
