Classificação Automática de Patologias da Laringe Usando Wavelets e Sistemas Inteligentes

  • Rafael Alberto dos Santos Universidade Tecnológica Federal do Paraná
  • Paulo Rogério Scalassara Universidade Tecnológica Federal do Paraná
  • Wagner Endo Universidade Tecnológica Federal do Paraná
Keywords: Características, Wavelet, Patologia, Support vector machine, Voz

Abstract

A análise acústica é uma técnica de processamento digital de sinais, não invasiva, capaz de auxiliar na avaliação de distúrbios da voz. Um dos métodos utilizados nesta análise acústica consiste em obter características que discriminem os sinais de forma automática. Portanto apresenta-se uma proposta que utiliza como sinal de entrada a vogal "a" sustentada para extrair informações relevantes dos sinais. A extração de informação é obtida pela transformada wavelet, seguida do cálculo de energia e entropia dos coeficientes resultantes. Por fim estas características são classificadas pelo classificador support vector machine. A classificação das classes saudáveis e patológicos obteve um acerto médio de 94.32% para a grandeza energia, 93.83% para a grandeza de entropia e com as grandezas juntas 94.32%. Para a classificação apenas das patologias obteve um acerto médio de 96.30% para a grandeza energia, 95.93% para a grandeza entropia e 96.67% para as grandezas juntas.

Published
2020-12-08
Section
Articles