Defesa de Dissertação de Mestrado de Sérgio de Brito Espínola 12/03, às 14:30hs

postado em 21 de fev de 2014 02:59 por Franklin de Souza Ramalho
Candidato: Sérgio de Brito Espínola
Título do trabalho: Análise Acústica Automática para Auxílio à Discriminação de Patologias da Voz empregando Análise de Componentes Principais, Redes Neurais Artificiais e Máquina de Suporte Vetorial 
Orientador(es): Joseana Macêdo Fechine Régis de Araújo e Elmar Uwe Kurt Melcher

Data: 12/03/2014 
Horário: 14h30min
Local: Auditório do CEEI

Banca examinadora:
Joseana Macêdo Fechine Régis de Araújo (orientadora) e Elmar Uwe Kurt Melcher (orientador), Silvana Luciene do Nascimento Cunha Costa (IFPB), Herman Martins Gomes (UFCG). 

Resumo: Estima-se que um terço da força de trabalho dependa da voz para realização de seus ofícios. Procedimentos médicos avaliam a qualidade vocal do indivíduo sendo os mais usados aqueles baseados na escuta da voz (subjetivo) ou na inspeção das pregas vocais por exames sofisticados (objetivos, porém invasivos e caros). A análise acústica busca extrair medidas robustas para descrever vários fenômenos associados à produção da fala ou características intrínsecas do ser humano como frequência fundamental, timbre, etc. O presente estudo consistiu na caracterização de um modelo de processamento digital de Voz para apoio à construção de sistemas de identificação automatizados de patologias da fala. Ao identificar e combinar descritores acústicos mais relevantes – como perturbações em frequência (jitter), em amplitude (shimmer) etc, esse estudo mostrou ser possível: a) Separar vozes normais das patológicas – esperado,  b) Separar patologias específicas (Paralisia, Edema de Reinke, Nódulos) e alguns pares (Paralisia, Edema de Reinke, Nódulos e Edemas);  c) Discriminá-las por meio de classificadores (redes neuronais e máquina de suporte vetorial) e reduzir a complexidade (quantidade de dados) via técnica de análise de componentes principais às análises estatísticas que suportaram a estruturação do reconhecimento de padrões e aprendizado de máquina.
Comments