Spelling suggestions: "subject:"focal pathologies""
1 |
Sistema inteligente para diagn?stico de patologias na laringe utilizando m?quinas de vetor de suporteAlmeida, N?thalee Cavalcanti de 23 July 2010 (has links)
Made available in DSpace on 2014-12-17T14:54:56Z (GMT). No. of bitstreams: 1
NathaleeCA_DISSERT.pdf: 1318151 bytes, checksum: d2471205a640d8428567d06ace6c3b31 (MD5)
Previous issue date: 2010-07-23 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The human voice is an important communication tool and any disorder of the
voice can have profound implications for social and professional life of an individual.
Techniques of digital signal processing have been used by acoustic analysis of vocal
disorders caused by pathologies in the larynx, due to its simplicity and noninvasive
nature. This work deals with the acoustic analysis of voice signals affected by
pathologies in the larynx, specifically, edema, and nodules on the vocal folds. The
purpose of this work is to develop a classification system of voices to help pre-diagnosis
of pathologies in the larynx, as well as monitoring pharmacological treatments and after
surgery. Linear Prediction Coefficients (LPC), Mel Frequency cepstral coefficients
(MFCC) and the coefficients obtained through the Wavelet Packet Transform (WPT)
are applied to extract relevant characteristics of the voice signal. For the classification
task is used the Support Vector Machine (SVM), which aims to build optimal
hyperplanes that maximize the margin of separation between the classes involved. The
hyperplane generated is determined by the support vectors, which are subsets of points
in these classes. According to the database used in this work, the results showed a good
performance, with a hit rate of 98.46% for classification of normal and pathological
voices in general, and 98.75% in the classification of diseases together: edema and
nodules / A voz humana ? uma importante ferramenta de comunica??o e qualquer
funcionamento inadequado da voz pode ter profundas implica??es na vida social e
profissional de um indiv?duo. T?cnicas de processamento digital de sinais t?m sido
utilizadas atrav?s da an?lise ac?stica de desordens vocais provocadas por patologias na
laringe, devido ? sua simplicidade e natureza n?o-invasiva. Este trabalho trata da an?lise
ac?stica de sinais de vozes afetadas por patologias na laringe, especificamente, edemas
e n?dulos nas pregas vocais. A proposta deste trabalho ? desenvolver um sistema de
classifica??o de vozes para auxiliar no pr?-diagn?stico de patologias na laringe, bem
como no acompanhamento de tratamentos farmacol?gicos e p?s-cir?rgicos. Os
coeficientes de Predi??o Linear (LPC), Coeficientes Cepstrais de Freq??ncia Mel
(MFCC) e os coeficientes obtidos atrav?s da Transformada Wavelet Packet (WPT) s?o
aplicados para extra??o de caracter?sticas relevantes do sinal de voz. ? utilizada para a
tarefa de classifica??o M?quina de Vetor de Suporte (SVM), a qual tem como objetivo
construir hiperplanos ?timos que maximizem a margem de separa??o entre as classes
envolvidas. O hiperplano gerado ? determinado pelos vetores de suporte, que s?o
subconjuntos de pontos dessas classes. De acordo com o banco de dados utilizado neste
trabalho, os resultados apresentaram um bom desempenho, com taxa de acerto de
98,46% para classifica??o de vozes normais e patol?gicas em geral, e 98,75% na
classifica??o de patologias entre si: edemas e n?dulos
|
2 |
Estudo de técnicas para classificação de vozes afetadas por patologias. / Study of techniques to classify voices affected by pathologies.MARINUS, João Vilian de Moraes Lima. 17 August 2018 (has links)
Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-17T14:06:04Z
No. of bitstreams: 1
JOÃO VIVLIAN DE MORAES LIMA MARINUS - DISSERTAÇÃO PPGCC 2010..pdf: 2343869 bytes, checksum: 46e0a7984b1b956fbea2bfcba9e1f631 (MD5) / Made available in DSpace on 2018-08-17T14:06:04Z (GMT). No. of bitstreams: 1
JOÃO VIVLIAN DE MORAES LIMA MARINUS - DISSERTAÇÃO PPGCC 2010..pdf: 2343869 bytes, checksum: 46e0a7984b1b956fbea2bfcba9e1f631 (MD5)
Previous issue date: 2010-11-29 / Nos últimos anos, várias pesquisas na área de processamento digital de voz estão sendo
feitas, no sentido de criar técnicas que auxiliem o diagnóstico preciso por um especialista
de patologias do trato vocal de maneira não invasiva, fazendo com que o paciente se sinta
confortável na hora do exame. Este trabalho trata da investigação de técnicas para a classificação de vozes afetadas por patologias da laringe, em especial edema de Reinke, visando a construção de um sistema de apoio ao especialista. O sistema de auxílio ao diagnóstico de patologias da laringe, proposto nesta dissertação, é constituido de 3 etapas principais: pré-processamento do sinal de voz, extração de características e classificação. A etapa de pré-processamento consiste na aquisição do sinal de voz, na aplicação de um filtro de pré ênfase para a minimização dos efeitos da radiação dos lábios e da variação da área da glote, seguido da segmentação e janelamento do sinal. Também foi investigada a não utilização da pré-ênfase nessa etapa. Na fase de extração de características, são utilizados coeficientes obtidos a partir da análise por predição linear (coeficientes LPC), coeficientes cepstrais, coeficientes delta-cepstrais e um vetor de características combinando coeficientes LPC e coeficientes cepstrais. A etapa de classificação é dividida em duas partes: classificação entre voz normal e voz afetada por patologia, sem especificar qual patologia, e caso o sinal seja classificado como voz afetada por patologia, tem-se uma segunda parte, a qual é realizada a classificação entre voz afetada por edema de Reinke e voz afetada por outra patologia. Para as duas partes, foram testados 3 diferentes classificadores: Redes Neurais Multilayer Perceptron - MLP, Modelos de Misturas de Gaussianas e Quantização Vetorial. Para diferenciar
entre voz normal e voz afetada por patologia, os melhores resultados foram obtidos
utilizando Redes Neurais. Para diferenciar entre voz afetada por edema e voz afetada por
outra patologia, os melhores resultados foram obtidos utilizando Quantização Vetorial. Em
ambos os casos, os melhores resultados foram obtidos ao se utilizar coeficientes cepstrais e sem utilização da pré-ênfase. / In recent years, several studies in digital voice processing are being made in order to create techniques to support a noninvasive accurate diagnosis of vocal tract diseases by aspecialist, making the patient feel comfortable during examination. This work deals with the investigation of techniques for classification of voices affected by laryngeal pathologies, especially Reinke’s edema, aiming to build a support system to the specialist. The system for the diagnosis of laryngeal pathologies, proposed here, consists of three main steps: preprocessing the speech signal, feature extraction and classification. Preprocessing corresponds the acquisition of voice signal, the application of a pre-emphasis filter for minimizing the radiation effects from the lips and from variation in glottal area, and the signal segmentation and windowing. The non-use of pre-emphasis was also investigated at this point. In the feature extraction step, we use coefficients obtained from the linear prediction analysis (LPC coefficients), cepstral coefficients, delta-cepstral coefficients, and afeature vectorc ombining LPC and cepstral coefficients. The classification is divided into two parts: classification of normal voice versus voice affected by pathology, without specifying which pathology, and if the signal is classified as voice affected by pathology, second part happens, which is performed by the classification between voice affected by Reinke’s edema and voice affected by other pathology. For both parties, 3 different classifiers were tested: Neural Networks Multilayer Perceptron - MLP, Gaussian Mixture Models and Vector Quantization. To differentiate between normal voice and voice affected by pathology, the best results were obtained using Neural Networks. To differentiate between voice affected by edema and voice affected by pathology, the best results were obtained using vector quantization. In both cases, the best results were obtained when usingcepstral coefficients and withoutuse of pre-emphasis.
|
Page generated in 0.0732 seconds