Este trabalho de doutorado apresenta duas inovações: a Discriminative Paraconsistent Machine (DPM), que consiste em um novo classificador elaborado com base na lógica paraconsistente anotada (LPA) e a aplicação da DPM para a identificação de patologias na laringe, por meio de exames nos sinais de voz de um locutor. Não há relatos na literatura sobre o uso da LPA para construção de um classificador e sobre suas aplicações para a finalidade proposta. Os resultados obtidos são motivadores, indicando um avanço na área. / This PhD thesis presents two novelties: the Discriminative Paraconsistent Machine (DPM), which is a new classifier built on the basis of the annotated paraconsistent logic (APL), and the applications of DPM to identify larynx pathologies, by inspecting a voice signal. There is neither a comment on literature about the use of APL to built a classifier nor about its applications for the proposed application. The results obtained create motivation, showing a clear progress in the field.

Com base em exames como a videolaringoscopia, que é considerado um procedimento médico invasivo e desconfortável, diagnósticos têmsido realizados visando detectar patologias na laringe. Geralmente, esse tipo de exame é realizado somente com solicitação médica e quando alterações na fala já são marcantes, ou há sensação de dor. Nessa fase, muitas vezes a doença está em grau avançado, dificultando o seu tratamento. Com o objetivo de realizar um pré-diagnóstico computacional de tais patologias, este trabalho apresenta uma técnica não invasiva na qual são testados e comparados três classificadores: a Distância Euclidiana, a Rede Neural RBF com o kernel Gaussiano e a Rede Neural RBF com o kernel Gaussiano modificado. Testes realizados com uma base de dados de vozes normais e aquelas afetadas por diversas patologias demonstram a eficácia da técnica proposta, que pode, inclusive, ser implementada em tempo-real. / Based on examinations such as laryngoscopy, which is considered an invasive and uncomfortable procedure, diagnosis have been performed aiming at the detection of larynx pathologies. Usually, this type of test is carried out upon medical request and when the speech changes are notable or are causing pain. At this point, the disease is possibly at an advanced degree, complicating its treatment. In order to perform a computational pre-diagnosis of such conditions, this work proposes a noninvasive technique in which three classifiers are tested and compared: the Euclidean distance, the RBF Neural Network with the Gaussian kernel and RBF Neural Network with a modified Gaussian kernel. Tests carried out with a database of normal voices and those affected by various pathologies demonstrate the effectiveness of the technique that may even be implemented to work in real time.

A detecção de patologias na laringe tem ocorrido basicamente por meio de diagnósticos médicos apoiados em videolaringoscopia, que é considerado um procedimento invasivo e causa certo deconforto ao paciente. Além disso, esse tipo de exame é realizado com solicitação médica e apenas quando as alterações na fala já são marcantes ou estão causando dor. Nesse ponto, muitas vezes a doença já está em grau avançado, dificultando o seu tratamento. Com o objetivo de realizar um pré-diagnóstico de tais patologias, este trabalho propõe uma técnica não invasiva baseada em um novo algoritmo que combina duas Máquinas de Vetores de Suporte, treinadas com o uso de um procedimento de aprendizado semi-supervisionado, alimentadas por um conjunto de parâmetros obtidos com o uso da Transformada Wavelet Discreta do sinal de voz do locutor. Os testes realizados com uma base de dados de vozes normais e afetadas por diversas patologias demonstram a eficácia da técnica proposta que pode, inclusive, ser implementada em tempo-real. / Larynx pathology detection is a process that depends basically on medical diagnosis and is based on videolaringoscopy, which is considered as being an invasive and uncomfortable procedure. Furthermore, this kind of examination depends on a physicists requirement and is carried out only when speech is considerably modified or causing pain. At that level, the problem is in an advanced stage which difficults its treatment. In order to get a pre-diagnosis of such pathologies, this work proposes a non-invasive technique which is based on a new algorithm that combines two support vector machines, trained with a semi-supervised approach, powered by a set of parameters derived from the discrete wavelet transform of the speakers voice signal. Tests carried out with the use of a database of normal and pathological voices show the efficacy of the proposed technique which can also be implemented for use in real-time.

A detecção de patologias na laringe tem ocorrido basicamente por meio de diagnósticos médicos apoiados em videolaringoscopia, que é considerado um procedimento invasivo e causa certo deconforto ao paciente. Além disso, esse tipo de exame é realizado com solicitação médica e apenas quando as alterações na fala já são marcantes ou estão causando dor. Nesse ponto, muitas vezes a doença já está em grau avançado, dificultando o seu tratamento. Com o objetivo de realizar um pré-diagnóstico de tais patologias, este trabalho propõe uma técnica não invasiva baseada em um novo algoritmo que combina duas Máquinas de Vetores de Suporte, treinadas com o uso de um procedimento de aprendizado semi-supervisionado, alimentadas por um conjunto de parâmetros obtidos com o uso da Transformada Wavelet Discreta do sinal de voz do locutor. Os testes realizados com uma base de dados de vozes normais e afetadas por diversas patologias demonstram a eficácia da técnica proposta que pode, inclusive, ser implementada em tempo-real. / Larynx pathology detection is a process that depends basically on medical diagnosis and is based on videolaringoscopy, which is considered as being an invasive and uncomfortable procedure. Furthermore, this kind of examination depends on a physicists requirement and is carried out only when speech is considerably modified or causing pain. At that level, the problem is in an advanced stage which difficults its treatment. In order to get a pre-diagnosis of such pathologies, this work proposes a non-invasive technique which is based on a new algorithm that combines two support vector machines, trained with a semi-supervised approach, powered by a set of parameters derived from the discrete wavelet transform of the speakers voice signal. Tests carried out with the use of a database of normal and pathological voices show the efficacy of the proposed technique which can also be implemented for use in real-time.

Com base em exames como a videolaringoscopia, que é considerado um procedimento médico invasivo e desconfortável, diagnósticos têmsido realizados visando detectar patologias na laringe. Geralmente, esse tipo de exame é realizado somente com solicitação médica e quando alterações na fala já são marcantes, ou há sensação de dor. Nessa fase, muitas vezes a doença está em grau avançado, dificultando o seu tratamento. Com o objetivo de realizar um pré-diagnóstico computacional de tais patologias, este trabalho apresenta uma técnica não invasiva na qual são testados e comparados três classificadores: a Distância Euclidiana, a Rede Neural RBF com o kernel Gaussiano e a Rede Neural RBF com o kernel Gaussiano modificado. Testes realizados com uma base de dados de vozes normais e aquelas afetadas por diversas patologias demonstram a eficácia da técnica proposta, que pode, inclusive, ser implementada em tempo-real. / Based on examinations such as laryngoscopy, which is considered an invasive and uncomfortable procedure, diagnosis have been performed aiming at the detection of larynx pathologies. Usually, this type of test is carried out upon medical request and when the speech changes are notable or are causing pain. At this point, the disease is possibly at an advanced degree, complicating its treatment. In order to perform a computational pre-diagnosis of such conditions, this work proposes a noninvasive technique in which three classifiers are tested and compared: the Euclidean distance, the RBF Neural Network with the Gaussian kernel and RBF Neural Network with a modified Gaussian kernel. Tests carried out with a database of normal voices and those affected by various pathologies demonstrate the effectiveness of the technique that may even be implemented to work in real time.

Este trabalho de doutorado apresenta duas inovações: a Discriminative Paraconsistent Machine (DPM), que consiste em um novo classificador elaborado com base na lógica paraconsistente anotada (LPA) e a aplicação da DPM para a identificação de patologias na laringe, por meio de exames nos sinais de voz de um locutor. Não há relatos na literatura sobre o uso da LPA para construção de um classificador e sobre suas aplicações para a finalidade proposta. Os resultados obtidos são motivadores, indicando um avanço na área. / This PhD thesis presents two novelties: the Discriminative Paraconsistent Machine (DPM), which is a new classifier built on the basis of the annotated paraconsistent logic (APL), and the applications of DPM to identify larynx pathologies, by inspecting a voice signal. There is neither a comment on literature about the use of APL to built a classifier nor about its applications for the proposed application. The results obtained create motivation, showing a clear progress in the field.