Identificação acústica não invasiva de disfonia vocal utilizando inteligência artificial

• Autor(a) principal: Pieritz, Vitor Oliveira
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/238902
• topic: Ciência da computação; Aprendizado do computador; Inteligência artificial; Computer science; Machine learning; Artificial intelligence

A voz é um instrumento fundamental para a comunicação dos seres humanos, sendo muitas vezes primordial para exercer algumas profissões, como por exemplo no caso de professores, atores, locutores de rádio e dubladores. Porém, nem sempre o cuidado do aparelho vocal recebe toda a atenção necessária, uma vez que para se obter um diagnóstico e tratamento adequados é necessário passar por processos invasivos e muitas vezes traumáticos, o que muitas vezes pode desestimular as pessoas a procurar tratamentos adequados. A computação e a inteligência artificial possibilitam a detecção de problemas vocais de maneira não invasiva, através de áudios e inteligência artificial, o que poderia estimular as pessoas a procurarem tratamento adequado uma vez que foi detectado uma possível patologia vocal. Dentre uma das várias patologias existentes, uma chama a atenção devido a não clareza de sintomas mas a facilidade de se obter caso não se tenha um domínio vocal adequado: A disfonia funcional vocal. Este trabalho desenvolveu e implementou um método computacional capaz de detectar a disfonia funcional vocal nos pacientes de forma não-invasiva, utilizando áudios da voz de pacientes sadios e não sadios, computação e inteligência artificial. As técnicas utilizadas para tal ato foram: Máquina de Vetores de Suporte (SVM)(do tipo kernel linear e RBF kernel) e K-Vizinhos Mais Próximos (KNN) para aprendizado de máquina, Coeficientes Cepstrais na Frequência de Mel (MFCC) e Operador de Energia de Teager (TEO) para pré-processamento de dados e extração de recursos úteis dos áudios dos pacientes e Matrizes de Confusão e Validação Cruzada para validação dos resultados obtidos. Como melhor resultado, foi encontrado a combinação de MFCC com SVM Linear resultando em uma acurácia média de 95%.