Return to search

Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia para Detec??o de Patologias Lar?ngeas.

Submitted by Alex Sandro R?go (alex@ifpb.edu.br) on 2016-11-23T14:27:36Z
No. of bitstreams: 1
Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia.pdf: 3275892 bytes, checksum: 62518c9066cc2060f2785d053b661ff7 (MD5) / Approved for entry into archive by Alex Sandro R?go (alex@ifpb.edu.br) on 2016-11-23T14:29:16Z (GMT) No. of bitstreams: 1
Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia.pdf: 3275892 bytes, checksum: 62518c9066cc2060f2785d053b661ff7 (MD5) / Made available in DSpace on 2016-11-23T14:29:16Z (GMT). No. of bitstreams: 1
Aplica??o da Transformada Wavelet em An?lise de Texturas de Gr?ficos de Recorr?ncia.pdf: 3275892 bytes, checksum: 62518c9066cc2060f2785d053b661ff7 (MD5)
Previous issue date: 2016-11-23 / A an?lise ac?stica do sinal de voz, devido ? sua natureza n?o invasiva e ao baixo custo, tem
se mostrado uma eficiente ferramenta para aux?lio ao diagn?stico das desordens vocais provocadas por
patologias na laringe. Os gr?ficos apresentam padr?es de larga e pequena escala, cujas varia??es
em sua textura representam o comportamento do sinal de voz, proporcionando informa??es acerca do
estado de normalidade ou de altera??o na qualidade vocal. Os padr?es de pequena escala podem ser
vistos como caracter?sticas de textura e servem como base para uma an?lise quantitativa dos gr?ficos de
recorr?ncia. T?cnicas de Processamento Digital de Imagens s?o empregadas para a an?lise da textura
contida nos gr?ficos de recorr?ncia, baseada na transformada wavelet bidimensional. A fim de discriminar
sinais saud?veis de sinais patol?gicos, s?o extra?dos diversos descritores de texturas dos coeficientes
de cada sub-banda obtida pela decomposi??o wavelet bidimensional. Nesta pesquisa, duas abordagens
foram aplicadas, as quais se diferenciam pela forma de extra??o dos padr?es representativos dos sinais:
extra??o dos descritores de textura diretamente das sub-bandas da transformada wavelet; e extra??o dos
descritores de Haralick, a partir da matriz de co-ocorr?ncia. Os sinais de voz foram classificados como
saud?veis ou patol?gicos, como tamb?m foi realizada a discrimina??o entre patologias. Paralisia, edema de
Reinke e n?dulos nas pregas vocais foram as patologias lar?ngeas consideradas na pesquisa. Os melhores
resultados foram obtidos com os descritores de Haralick, empregando redes neurais MLP (Multilayer
Perceptron) na classifica??o, em conjunto com o algoritmo de otimiza??o por enxame de part?culas
PSO (Particle Swarm Optimization) empregado na sele??o das caracter?sticas mais representativas. O
sistema proposto melhorou significativamente a acur?cia na discrimina??o entre patologias, com resultados
superiores aos encontrados na literatura, que empregam a an?lise de recorr?ncia.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ifpb.edu.br:177683/260
Date23 November 2016
CreatorsSouza, Taciana Ara?jo de
Source SetsIBICT Brazilian ETDs
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional do IFPB, instname:Instituto Federal da Paraíba, instacron:IFPB
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0014 seconds