Emprego do estimador KSG na classificação de patologias laríngeas por intermédio da análise dinâmica não-linear.

• Autor(a) principal: GOMES, Mikaelle Oliveira Santos.
• Data de Publicação: 2019
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27180
• topic: Sistemas Dinâmicos; Informação Mútua; Patologias Laríngeas; Estimador KSG; Dynamic Systems; Mutual Information; Pathologies Larynx; KSG Estimator; Engenharia Elétrica

Os dist ́urbios da voz e as patologias lar ́ıngeas podem afetar diferentes grupos et ́arios. Muitos desses desvios o ser humano traz consigo desde o seu nascimento ou podem ainda ser desenvolvidos ao longo da vida. Devido a sua n ̃ao estacionariedade e sua dinˆamica ca ́otica, os sinais de voz n ̃ao podem ser corretamente analisados a partir de m ́etodos tradicionais de an ́alises de sinais experimentais. Dessa forma, a teoria do caos, uma ́area da teoria dos sistemas de dinˆamicos n ̃ao-lineares, aplicada em s ́eries temporais n ̃ao- lineares, tem sido adotada como uma nova abordagem n ̃ao-linear do processamento do sinal de voz. Neste contexto, a presente tese prop ̃oe-se a investigar `a aplicabilidade de um estimador de informa ̧c ̃ao m ́utua (estimador KSG) e suas variantes (estimador KOLE), baseado nos k-vizinhos mais pr ́oximos, na estimativa de medidas da an ́alise dinˆamica n ̃ao linear: atraso de reconstru ̧c ̃ao do espa ̧co de fase em sistemas dinˆamicos (τ ), primeiro m ́ınimo da fun ̧c ̃ao de informa ̧c ̃ao m ́utua (PMIM), entropia de Shannon (H) e entropia de correla ̧c ̃ao(K2). Estudos revelaram que o estimador KSG ́e menos tendencioso (possui menos vi ́es) do que o estimador ingˆenuo comumente usado, o que motivou a aplic ́a- lo para detectar a presen ̧ca de dist ́urbios da voz causados pelas patologias edema de Reinke, paralisia das pregas vocais e n ́odulos nas pregas vocais. Foram utilizados dois classificadores diferentes para obten ̧c ̃ao dos resultados: baseado em an ́alise discriminante e um utilizando a abordagem de M ́aquinas de Vetor de Suporte (SVM). A compara ̧c ̃ao dos resultados obtidos com o estimador ingˆenuo e o com o estimador KSG, para ambos os classificadores empregados, mostraram que a utiliza ̧c ̃ao do estimador KSG melhora os resultados da classifica ̧c ̃ao em termos de acur ́acia mostrando-se assim, um m ́etodo de estima ̧c ̃ao eficiente.