Dissertação de Mestrado: 29/11/2010, 14:00.

postado em 10 de nov de 2010 02:53 por Hyggo Oliveira de Almeida
Aluno: João Vilian de Moraes Lima Marinus.
Título: Estudo de Técnicas  para  Classificação de Vozes Afetadas por Patologias.
Local: Auditório do CEEI.
Banca Examinadora: Josena Fechine, DSc, DSC/UFCG (Orientadora), Herman Gomes, PhD, DSC/UFCG (Orientador), Benedito Aguiar Neto, PhD, DEE/UFCG, Eustáquio Rangel, DSc, DSC/UFCG.
Data: 29/11/2010.
Hora: 14:00.

Resumo: Nos últimos anos, várias pesquisas na área de processamento digital de sinais de  voz estão sendo realizadas, visando elaborar técnicas que auxiliem o diagnóstico preciso por um especialista em patologias do trato vocal de maneira não invasiva, fazendo com que o paciente se sinta mais confortável no momento do exame. Dentro desse contexto, este trabalho trata da investigação de técnicas para classificação de vozes afetadas por patologias da laringe, em especial edema de Reinke, para construção de um sistema computacional de apoio ao especialista. O sistema de auxílio ao diagnóstico de patologias da laringe é constituído de três 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 minimização dos efeitos da radiação dos lábios e da variação da área da glote, e na 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 sendo esses:(coeficientes LPC), coeficientes cepstrais, coeficientes delta-cepstrais e um vetor de características combinando coeficientes LPC e coeficientes cepstrais. Os coeficientes cepstrais são obtidos a partir de uma abordagem paramétrica derivada da análise por predição linear. Na etapa de classificação, foram testados três classificadores diferentes: Redes Neurais Multilayer Perceptron - MLP, Misturas de Densidades de Gaussianas e Quantização Vetorial, que é associada a uma medida de distorção para classificação. Os resultados indicam que as técnicas utilizadas se mostram adequadas para classificação entre voz normal e voz afetada por patologia, tendo sido obtidos melhores resultados sem utilização da pré-enfase, coeficientes cepstrais, Redes Neurais (para diferenciar voz normal de voz afetada por patologia), e Quantização Vetorial (para diferenciar voz com a patologia específica de edema de voz afetada por outra patologia).

Agradecemos a sua presença.