O presente trabalho apresenta um resumo da fisiologia de produção da voz humana, das patologias mais comuns da laringe e seus principais efeitos sobre o som fonado, e apresenta diversos métodos quantitativos de avaliação do som de vozes patológicas. É então proposto um novo método de avaliação da soprosidade da voz, baseado na Transformada Wavelet Discreta (DWT) através da análise multi-resolução, usando como base ortogonal de decomposição a base Haar. São feitas duas aquisições por dois diferentes procedimentos, dos sinais de voz de 64 pacientes. É mostrado que é possível se obter um índice acústico para a característica soprosidade da voz por intermédio da DWT. Este índice é estatisticamente correlacionado com dois outros índices existentes para soprosidade, para ambos os procedimentos de aquisição O método serve tanto para auxílio ao diagnóstico como acompanhamento dos resultados obtido por um tratamento. / This work shows a brief review of human voice production physiology, including the most common larynx pathologies and its effects in the voice quality, and the maio methods of pathologic quantitative vocal fold assessment. lt is proposed a novel method of breathiness of voice characteristic evaluation, based on the Discrete Wavelet Transform, using the orthonormal Haar basis as a reconstruction basis. Two procedures of data acquisition were used for the 64 subjects voice signals. Results are obtained and statistically compared with the ones obtained by classical methods, for both acquisition procedures. This method can be an auxiliary tool for the diagnosis as well as an assessment of a specific treatment.

O presente trabalho apresenta um resumo da fisiologia de produção da voz humana, das patologias mais comuns da laringe e seus principais efeitos sobre o som fonado, e apresenta diversos métodos quantitativos de avaliação do som de vozes patológicas. É então proposto um novo método de avaliação da soprosidade da voz, baseado na Transformada Wavelet Discreta (DWT) através da análise multi-resolução, usando como base ortogonal de decomposição a base Haar. São feitas duas aquisições por dois diferentes procedimentos, dos sinais de voz de 64 pacientes. É mostrado que é possível se obter um índice acústico para a característica soprosidade da voz por intermédio da DWT. Este índice é estatisticamente correlacionado com dois outros índices existentes para soprosidade, para ambos os procedimentos de aquisição O método serve tanto para auxílio ao diagnóstico como acompanhamento dos resultados obtido por um tratamento. / This work shows a brief review of human voice production physiology, including the most common larynx pathologies and its effects in the voice quality, and the maio methods of pathologic quantitative vocal fold assessment. lt is proposed a novel method of breathiness of voice characteristic evaluation, based on the Discrete Wavelet Transform, using the orthonormal Haar basis as a reconstruction basis. Two procedures of data acquisition were used for the 64 subjects voice signals. Results are obtained and statistically compared with the ones obtained by classical methods, for both acquisition procedures. This method can be an auxiliary tool for the diagnosis as well as an assessment of a specific treatment.

o exame para o diagnóstico de doenças da laringe é usualmente realizado através da videolaringoscopia e videoestroboscopia. A maioria das doenças na laringe provoca mudanças na voz do paciente. Diversos índices têm sido propostos para avaliar quantitativamente a qualidade da voz. Também foram propostos vários métodos para classificação automática de patologias da laringe utilizando apenas a voz do paciente. Este trabalho apresenta a aplicação da Transformada Wavelet Packet e do algoritmo Best Basis [COI92] para a classificação automática de vozes em patológicas ou normais. Os resultados obtidos mostraram que é possível classificar a voz utilizando esta Transformada. Tem-se como principal conclusão que um classificador linear pode ser obtido ao se empregar a Transformada Wavelet Packet como extrator de características. O classificador é linear baseado na existência ou não de nós na decomposição da Transformada Wavelet Packet. A função Wavelet que apresentou os melhores resultados foi a sym1et5 e a melhor função custo foi a entropia. Este classificador linear separa vozes normais de vozes patológicas com um erro de classificação de 23,07% para falsos positivos e de 14,58%para falsos negativos.

o exame para o diagnóstico de doenças da laringe é usualmente realizado através da videolaringoscopia e videoestroboscopia. A maioria das doenças na laringe provoca mudanças na voz do paciente. Diversos índices têm sido propostos para avaliar quantitativamente a qualidade da voz. Também foram propostos vários métodos para classificação automática de patologias da laringe utilizando apenas a voz do paciente. Este trabalho apresenta a aplicação da Transformada Wavelet Packet e do algoritmo Best Basis [COI92] para a classificação automática de vozes em patológicas ou normais. Os resultados obtidos mostraram que é possível classificar a voz utilizando esta Transformada. Tem-se como principal conclusão que um classificador linear pode ser obtido ao se empregar a Transformada Wavelet Packet como extrator de características. O classificador é linear baseado na existência ou não de nós na decomposição da Transformada Wavelet Packet. A função Wavelet que apresentou os melhores resultados foi a sym1et5 e a melhor função custo foi a entropia. Este classificador linear separa vozes normais de vozes patológicas com um erro de classificação de 23,07% para falsos positivos e de 14,58%para falsos negativos.

O presente trabalho apresenta um resumo da fisiologia de produção da voz humana, das patologias mais comuns da laringe e seus principais efeitos sobre o som fonado, e apresenta diversos métodos quantitativos de avaliação do som de vozes patológicas. É então proposto um novo método de avaliação da soprosidade da voz, baseado na Transformada Wavelet Discreta (DWT) através da análise multi-resolução, usando como base ortogonal de decomposição a base Haar. São feitas duas aquisições por dois diferentes procedimentos, dos sinais de voz de 64 pacientes. É mostrado que é possível se obter um índice acústico para a característica soprosidade da voz por intermédio da DWT. Este índice é estatisticamente correlacionado com dois outros índices existentes para soprosidade, para ambos os procedimentos de aquisição O método serve tanto para auxílio ao diagnóstico como acompanhamento dos resultados obtido por um tratamento. / This work shows a brief review of human voice production physiology, including the most common larynx pathologies and its effects in the voice quality, and the maio methods of pathologic quantitative vocal fold assessment. lt is proposed a novel method of breathiness of voice characteristic evaluation, based on the Discrete Wavelet Transform, using the orthonormal Haar basis as a reconstruction basis. Two procedures of data acquisition were used for the 64 subjects voice signals. Results are obtained and statistically compared with the ones obtained by classical methods, for both acquisition procedures. This method can be an auxiliary tool for the diagnosis as well as an assessment of a specific treatment.

o exame para o diagnóstico de doenças da laringe é usualmente realizado através da videolaringoscopia e videoestroboscopia. A maioria das doenças na laringe provoca mudanças na voz do paciente. Diversos índices têm sido propostos para avaliar quantitativamente a qualidade da voz. Também foram propostos vários métodos para classificação automática de patologias da laringe utilizando apenas a voz do paciente. Este trabalho apresenta a aplicação da Transformada Wavelet Packet e do algoritmo Best Basis [COI92] para a classificação automática de vozes em patológicas ou normais. Os resultados obtidos mostraram que é possível classificar a voz utilizando esta Transformada. Tem-se como principal conclusão que um classificador linear pode ser obtido ao se empregar a Transformada Wavelet Packet como extrator de características. O classificador é linear baseado na existência ou não de nós na decomposição da Transformada Wavelet Packet. A função Wavelet que apresentou os melhores resultados foi a sym1et5 e a melhor função custo foi a entropia. Este classificador linear separa vozes normais de vozes patológicas com um erro de classificação de 23,07% para falsos positivos e de 14,58%para falsos negativos.

Este trabalho apresenta um sistema de classificação de voz disfônica utilizando a Transformada Wavelet Packet (WPT) e o algoritmo Best Basis (BBA) como redutor de dimensionalidade e seis Redes Neurais Artificiais (ANN) atuando como um conjunto de sistemas denominados “especialistas”. O banco de vozes utilizado está separado em seis grupos de acordo com as similaridades patológicas (onde o 6o grupo é o dos pacientes com voz normal). O conjunto de seis ANN foi treinado, com cada rede especializando-se em um determinado grupo. A base de decomposição utilizada na WPT foi a Symlet 5 e a função custo utilizada na Best Basis Tree (BBT) gerada com o BBA, foi a entropia de Shannon. Cada ANN é alimentada pelos valores de entropia dos nós da BBT. O sistema apresentou uma taxa de sucesso de 87,5%, 95,31%, 87,5%, 100%, 96,87% e 89,06% para os grupos 1 ao 6 respectivamente, utilizando o método de Validação Cruzada Múltipla (MCV). O poder de generalização foi medido utilizando o método de MCV com a variação Leave-One-Out (LOO), obtendo erros em média de 38.52%, apontando a necessidade de aumentar o banco de vozes disponível.

Este trabalho apresenta um sistema de classificação de voz disfônica utilizando a Transformada Wavelet Packet (WPT) e o algoritmo Best Basis (BBA) como redutor de dimensionalidade e seis Redes Neurais Artificiais (ANN) atuando como um conjunto de sistemas denominados “especialistas”. O banco de vozes utilizado está separado em seis grupos de acordo com as similaridades patológicas (onde o 6o grupo é o dos pacientes com voz normal). O conjunto de seis ANN foi treinado, com cada rede especializando-se em um determinado grupo. A base de decomposição utilizada na WPT foi a Symlet 5 e a função custo utilizada na Best Basis Tree (BBT) gerada com o BBA, foi a entropia de Shannon. Cada ANN é alimentada pelos valores de entropia dos nós da BBT. O sistema apresentou uma taxa de sucesso de 87,5%, 95,31%, 87,5%, 100%, 96,87% e 89,06% para os grupos 1 ao 6 respectivamente, utilizando o método de Validação Cruzada Múltipla (MCV). O poder de generalização foi medido utilizando o método de MCV com a variação Leave-One-Out (LOO), obtendo erros em média de 38.52%, apontando a necessidade de aumentar o banco de vozes disponível.

Este trabalho apresenta um sistema de classificação de voz disfônica utilizando a Transformada Wavelet Packet (WPT) e o algoritmo Best Basis (BBA) como redutor de dimensionalidade e seis Redes Neurais Artificiais (ANN) atuando como um conjunto de sistemas denominados “especialistas”. O banco de vozes utilizado está separado em seis grupos de acordo com as similaridades patológicas (onde o 6o grupo é o dos pacientes com voz normal). O conjunto de seis ANN foi treinado, com cada rede especializando-se em um determinado grupo. A base de decomposição utilizada na WPT foi a Symlet 5 e a função custo utilizada na Best Basis Tree (BBT) gerada com o BBA, foi a entropia de Shannon. Cada ANN é alimentada pelos valores de entropia dos nós da BBT. O sistema apresentou uma taxa de sucesso de 87,5%, 95,31%, 87,5%, 100%, 96,87% e 89,06% para os grupos 1 ao 6 respectivamente, utilizando o método de Validação Cruzada Múltipla (MCV). O poder de generalização foi medido utilizando o método de MCV com a variação Leave-One-Out (LOO), obtendo erros em média de 38.52%, apontando a necessidade de aumentar o banco de vozes disponível.

Submitted by Thiago Oliveira (thiago.oliveira@ifpb.edu.br) on 2017-03-23T17:46:20Z No. of bitstreams: 1 30- Pablo Henrique Ursulino de Pinho - AVALIA??O DE DESORDENS VOCAIS POR MEIO DE CARACTER?STICAS DO ESPA?O DE FASE RECONSTRU?DO.pdf: 4933195 bytes, checksum: c175f30de500600fd832b0b50b1f7308 (MD5) / Approved for entry into archive by Thiago Oliveira (thiago.oliveira@ifpb.edu.br) on 2017-03-23T17:48:09Z (GMT) No. of bitstreams: 1 30- Pablo Henrique Ursulino de Pinho - AVALIA??O DE DESORDENS VOCAIS POR MEIO DE CARACTER?STICAS DO ESPA?O DE FASE RECONSTRU?DO.pdf: 4933195 bytes, checksum: c175f30de500600fd832b0b50b1f7308 (MD5) / Made available in DSpace on 2017-03-23T17:48:09Z (GMT). No. of bitstreams: 1 30- Pablo Henrique Ursulino de Pinho - AVALIA??O DE DESORDENS VOCAIS POR MEIO DE CARACTER?STICAS DO ESPA?O DE FASE RECONSTRU?DO.pdf: 4933195 bytes, checksum: c175f30de500600fd832b0b50b1f7308 (MD5) Previous issue date: 2017-02 / Neste trabalho, s?o empregadas t?cnicas de processamento digital de sinais baseadas na an?lise din?mica n?o linear para analisar altera??es vocais causadas por patologias lar?ngeas e desvios vocais. S?o utilizadas informa??es das imagens do espa?o de fase reconstru?do dos sinais de voz, pois o comportamento do tra?ado do espa?o de fase representa a din?mica do sistema vocal. Pretende-se investigar a desordem vocal provocada pela presen?a de patologia e/ou desvios vocais, a partir das modifica??es no espa?o de fase dos sinais analisados. S?o utilizados quatro m?todos de extra??o de caracter?sticas para obter medidas das imagens do espa?o de fase que mostram o comportamento da din?mica vocal do sistema: o m?todo da contagem de caixas, o m?todo da diferen?a, o m?todo da similaridade e o m?todo da contagem de caixas ponderadas. Com o aux?lio de um classificador MLP (Multilayer Perceptron ? Perceptron Multicamadas) ? realizada a classifica??o com as medidas extra?das individualmente e de forma combinada. Os m?todos que obtiveram melhor desempenho foram o da contagem de caixas ponderadas e da similaridade tanto com medidas individuais como tamb?m combinadas que, no segundo caso, obteve-se acur?cia de 99% na classifica??o de vozes patol?gicas. Os resultados obtidos com o m?todo da similaridade foram satisfat?rios na classifica??o, principalmente na distin??o entre patologias (edema e paralisia nas pregas vocais) e vozes saud?veis, com acur?cia de 99%. Na classifica??o dos desvios vocais, o melhor resultado foi encontrado para a distin??o entre vozes soprosas e saud?veis com taxa de acur?cia de 88% utilizando o m?todo da similaridade, sendo que, em alguns casos, a classifica??o dos desvios vocais com os m?todos empregados n?o foi t?o efetiva. Os m?todos empregados se mostram promissores e podem ser vi?veis na implementa??o de um sistema de avalia??o da qualidade vocal, na detec??o de altera??es vocais provocadas pela presen?a ou n?o de patologias lar?ngeas.