Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/15149 |
Resumo: | The human voice is an important communication tool and any disorder of the voice can have profound implications for social and professional life of an individual. Techniques of digital signal processing have been used by acoustic analysis of vocal disorders caused by pathologies in the larynx, due to its simplicity and noninvasive nature. This work deals with the acoustic analysis of voice signals affected by pathologies in the larynx, specifically, edema, and nodules on the vocal folds. The purpose of this work is to develop a classification system of voices to help pre-diagnosis of pathologies in the larynx, as well as monitoring pharmacological treatments and after surgery. Linear Prediction Coefficients (LPC), Mel Frequency cepstral coefficients (MFCC) and the coefficients obtained through the Wavelet Packet Transform (WPT) are applied to extract relevant characteristics of the voice signal. For the classification task is used the Support Vector Machine (SVM), which aims to build optimal hyperplanes that maximize the margin of separation between the classes involved. The hyperplane generated is determined by the support vectors, which are subsets of points in these classes. According to the database used in this work, the results showed a good performance, with a hit rate of 98.46% for classification of normal and pathological voices in general, and 98.75% in the classification of diseases together: edema and nodules |
id |
UFRN_5054a9535cab33437cda098e45d9a893 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/15149 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Almeida, Náthalee Cavalcanti dehttp://lattes.cnpq.br/4386227694627671http://lattes.cnpq.br/6122570451445215Guerreiro, Ana Maria Guimarãeshttp://lattes.cnpq.br/8556144121380013Soares, Heliana BezerraBresolin, Adriano de Andradehttp://lattes.cnpq.br/8862209760730631Silveira, Luiz Felipe de Queirozhttp://lattes.cnpq.br/4139452169580807Albuquerque, Maria Rosa Medeiros Lins dehttp://lattes.cnpq.br/4546157125717070Silva, Sandro Gonçalves da2014-12-17T14:54:56Z2010-12-202014-12-17T14:54:56Z2010-07-23ALMEIDA, Náthalee Cavalcanti de. Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte. 2010. 119 f. Tese (Doutorado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2010.https://repositorio.ufrn.br/jspui/handle/123456789/15149The human voice is an important communication tool and any disorder of the voice can have profound implications for social and professional life of an individual. Techniques of digital signal processing have been used by acoustic analysis of vocal disorders caused by pathologies in the larynx, due to its simplicity and noninvasive nature. This work deals with the acoustic analysis of voice signals affected by pathologies in the larynx, specifically, edema, and nodules on the vocal folds. The purpose of this work is to develop a classification system of voices to help pre-diagnosis of pathologies in the larynx, as well as monitoring pharmacological treatments and after surgery. Linear Prediction Coefficients (LPC), Mel Frequency cepstral coefficients (MFCC) and the coefficients obtained through the Wavelet Packet Transform (WPT) are applied to extract relevant characteristics of the voice signal. For the classification task is used the Support Vector Machine (SVM), which aims to build optimal hyperplanes that maximize the margin of separation between the classes involved. The hyperplane generated is determined by the support vectors, which are subsets of points in these classes. According to the database used in this work, the results showed a good performance, with a hit rate of 98.46% for classification of normal and pathological voices in general, and 98.75% in the classification of diseases together: edema and nodulesA voz humana é uma importante ferramenta de comunicação e qualquer funcionamento inadequado da voz pode ter profundas implicações na vida social e profissional de um indivíduo. Técnicas de processamento digital de sinais têm sido utilizadas através da análise acústica de desordens vocais provocadas por patologias na laringe, devido à sua simplicidade e natureza não-invasiva. Este trabalho trata da análise acústica de sinais de vozes afetadas por patologias na laringe, especificamente, edemas e nódulos nas pregas vocais. A proposta deste trabalho é desenvolver um sistema de classificação de vozes para auxiliar no pré-diagnóstico de patologias na laringe, bem como no acompanhamento de tratamentos farmacológicos e pós-cirúrgicos. Os coeficientes de Predição Linear (LPC), Coeficientes Cepstrais de Freqüência Mel (MFCC) e os coeficientes obtidos através da Transformada Wavelet Packet (WPT) são aplicados para extração de características relevantes do sinal de voz. É utilizada para a tarefa de classificação Máquina de Vetor de Suporte (SVM), a qual tem como objetivo construir hiperplanos ótimos que maximizem a margem de separação entre as classes envolvidas. O hiperplano gerado é determinado pelos vetores de suporte, que são subconjuntos de pontos dessas classes. De acordo com o banco de dados utilizado neste trabalho, os resultados apresentaram um bom desempenho, com taxa de acerto de 98,46% para classificação de vozes normais e patológicas em geral, e 98,75% na classificação de patologias entre si: edemas e nódulosCoordenação de Aperfeiçoamento de Pessoal de Nível Superiorapplication/pdfporUniversidade Federal do Rio Grande do NortePrograma de Pós-Graduação em Engenharia ElétricaUFRNBRAutomação e Sistemas; Engenharia de Computação; TelecomunicaçõesPatologias na vozAnálise acústicaExtração de característicasTransformada wavelet packet, Máquinas de vetor de suportevocal pathologiesAcoustic analysisFeature extractionWavelet opacket transformSupport vector machinesCNPQ::ENGENHARIAS::ENGENHARIA ELETRICASistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporteinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALNathaleeCA_DISSERT.pdfapplication/pdf1318151https://repositorio.ufrn.br/bitstream/123456789/15149/1/NathaleeCA_DISSERT.pdfd2471205a640d8428567d06ace6c3b31MD51TEXTNathaleeCA_DISSERT.pdf.txtNathaleeCA_DISSERT.pdf.txtExtracted texttext/plain207445https://repositorio.ufrn.br/bitstream/123456789/15149/6/NathaleeCA_DISSERT.pdf.txtd06c1d7bba95f7fcd4ef7e1d83678d46MD56THUMBNAILNathaleeCA_DISSERT.pdf.jpgNathaleeCA_DISSERT.pdf.jpgIM Thumbnailimage/jpeg3477https://repositorio.ufrn.br/bitstream/123456789/15149/7/NathaleeCA_DISSERT.pdf.jpg8c42dd91c80bb129f717981378fae408MD57123456789/151492017-11-02 05:16:37.989oai:https://repositorio.ufrn.br:123456789/15149Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-11-02T08:16:37Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.por.fl_str_mv |
Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte |
title |
Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte |
spellingShingle |
Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte Almeida, Náthalee Cavalcanti de Patologias na voz Análise acústica Extração de características Transformada wavelet packet, Máquinas de vetor de suporte vocal pathologies Acoustic analysis Feature extraction Wavelet opacket transform Support vector machines CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
title_short |
Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte |
title_full |
Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte |
title_fullStr |
Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte |
title_full_unstemmed |
Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte |
title_sort |
Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte |
author |
Almeida, Náthalee Cavalcanti de |
author_facet |
Almeida, Náthalee Cavalcanti de |
author_role |
author |
dc.contributor.authorID.por.fl_str_mv |
|
dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/4386227694627671 |
dc.contributor.advisorID.por.fl_str_mv |
|
dc.contributor.advisorLattes.por.fl_str_mv |
http://lattes.cnpq.br/6122570451445215 |
dc.contributor.advisor-co1ID.por.fl_str_mv |
|
dc.contributor.advisor-co2ID.por.fl_str_mv |
|
dc.contributor.referees1.pt_BR.fl_str_mv |
Bresolin, Adriano de Andrade |
dc.contributor.referees1ID.por.fl_str_mv |
|
dc.contributor.referees1Lattes.por.fl_str_mv |
http://lattes.cnpq.br/8862209760730631 |
dc.contributor.referees2.pt_BR.fl_str_mv |
Silveira, Luiz Felipe de Queiroz |
dc.contributor.referees2ID.por.fl_str_mv |
|
dc.contributor.referees2Lattes.por.fl_str_mv |
http://lattes.cnpq.br/4139452169580807 |
dc.contributor.referees3.pt_BR.fl_str_mv |
Albuquerque, Maria Rosa Medeiros Lins de |
dc.contributor.referees3ID.por.fl_str_mv |
|
dc.contributor.referees3Lattes.por.fl_str_mv |
http://lattes.cnpq.br/4546157125717070 |
dc.contributor.author.fl_str_mv |
Almeida, Náthalee Cavalcanti de |
dc.contributor.advisor-co1.fl_str_mv |
Guerreiro, Ana Maria Guimarães |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/8556144121380013 |
dc.contributor.advisor-co2.fl_str_mv |
Soares, Heliana Bezerra |
dc.contributor.advisor1.fl_str_mv |
Silva, Sandro Gonçalves da |
contributor_str_mv |
Guerreiro, Ana Maria Guimarães Soares, Heliana Bezerra Silva, Sandro Gonçalves da |
dc.subject.por.fl_str_mv |
Patologias na voz Análise acústica Extração de características Transformada wavelet packet, Máquinas de vetor de suporte |
topic |
Patologias na voz Análise acústica Extração de características Transformada wavelet packet, Máquinas de vetor de suporte vocal pathologies Acoustic analysis Feature extraction Wavelet opacket transform Support vector machines CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
dc.subject.eng.fl_str_mv |
vocal pathologies Acoustic analysis Feature extraction Wavelet opacket transform Support vector machines |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
description |
The human voice is an important communication tool and any disorder of the voice can have profound implications for social and professional life of an individual. Techniques of digital signal processing have been used by acoustic analysis of vocal disorders caused by pathologies in the larynx, due to its simplicity and noninvasive nature. This work deals with the acoustic analysis of voice signals affected by pathologies in the larynx, specifically, edema, and nodules on the vocal folds. The purpose of this work is to develop a classification system of voices to help pre-diagnosis of pathologies in the larynx, as well as monitoring pharmacological treatments and after surgery. Linear Prediction Coefficients (LPC), Mel Frequency cepstral coefficients (MFCC) and the coefficients obtained through the Wavelet Packet Transform (WPT) are applied to extract relevant characteristics of the voice signal. For the classification task is used the Support Vector Machine (SVM), which aims to build optimal hyperplanes that maximize the margin of separation between the classes involved. The hyperplane generated is determined by the support vectors, which are subsets of points in these classes. According to the database used in this work, the results showed a good performance, with a hit rate of 98.46% for classification of normal and pathological voices in general, and 98.75% in the classification of diseases together: edema and nodules |
publishDate |
2010 |
dc.date.available.fl_str_mv |
2010-12-20 2014-12-17T14:54:56Z |
dc.date.issued.fl_str_mv |
2010-07-23 |
dc.date.accessioned.fl_str_mv |
2014-12-17T14:54:56Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ALMEIDA, Náthalee Cavalcanti de. Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte. 2010. 119 f. Tese (Doutorado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2010. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/15149 |
identifier_str_mv |
ALMEIDA, Náthalee Cavalcanti de. Sistema inteligente para diagnóstico de patologias na laringe utilizando máquinas de vetor de suporte. 2010. 119 f. Tese (Doutorado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2010. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/15149 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Automação e Sistemas; Engenharia de Computação; Telecomunicações |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/15149/1/NathaleeCA_DISSERT.pdf https://repositorio.ufrn.br/bitstream/123456789/15149/6/NathaleeCA_DISSERT.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/15149/7/NathaleeCA_DISSERT.pdf.jpg |
bitstream.checksum.fl_str_mv |
d2471205a640d8428567d06ace6c3b31 d06c1d7bba95f7fcd4ef7e1d83678d46 8c42dd91c80bb129f717981378fae408 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117912899616768 |