Browsing by Author "Alves, Nuno Filipe Ribeiro"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
- Diagnóstico inteligente de patologias da laringePublication . Alves, Nuno Filipe Ribeiro; Teixeira, João PauloA deteção automática de patologias da laringe permite fazer um diagnóstico rápido, barato e de forma não invasiva. Ao longo deste trabalho foram estudados vários tipos de parâmetros, sistemas de inteligência artificial e técnicas de seleção de variáveis que possam permitir a deteção de patologias das cordas vocais. Foram utilizados um primeiro conjunto de parâmetros constituídos por HNR e quatro medidas de jitter e shimmer. Foi avaliada a capacidade de predição deste conjunto de parâmetros quando usados com apenas uma vogal e um tom e quando usados com varias vogais e vários tons. Foi estudado um segundo conjunto de parâmetros onde constam 12 coeficientes cepstrais, frequências e larguras de banda dos três primeiros formantes, frequência fundamental, energia, potencia, momentos espectrais de ordem zero, um, dois, três e curtose. Isto serviu para aferir a utilidade de outro tipo parâmetros na deteção de patologias da laringe. Devido á grande quantidade de parâmetros e para melhor compreender a utilidade de alguns foram aplicadas técnicas de seleção de variáveis e redução da dimensão como a regressão linear passo a passo e análise das componentes principais (PCA). Foram utilizados dois tipos de sistemas inteligentes que depois de treinados permitiam a classificação em patológico ou saudável, as redes neuronais artificiais (RNA) e máquinas de vetor de suporte (MVS). Como grupos patológicos foram usadas a disfonia e paralisia das cordas vocais, separadas por género. Na classificação como patológico ou saudável, usando o primeiro conjunto de parâmetros (HNR, quatro medidas de jitter e shimmer para três vogais e três tons diferentes), foi possível obter precisões de: 100% usando tanto a disfonia feminino como masculino como grupo patológico; 78,9% usando a paralisia feminino como grupo patológico; 81,8% usando a paralisia masculino como grupo patológico.
- Vocal acoustic analysis – classification of dysphonic voices with artificial neural networkPublication . Teixeira, João Paulo; Fernandes, Paula Odete; Alves, Nuno Filipe RibeiroVoice acoustic analysis is becoming nowadays a useful tool for detection of laryngological pathologies. This techniques enables a non-invasive and low cost assessment of voice disorders allowing a more efficient fast and objective diagnosis, permitting the patients to get a suitable treatment. In this work, the best predictors/parameters for diagnose of dysphonia were experimented. A vector made up of 4 Jitter parameters, 4 Shimmer parameters and Harmonic to Noise Ratio (HNR), determined from 3 different vowels at 3 different tones, in a total of 81 features, was used. Variable selection and dimension reduction techniques such as hierarchical clustering, multilinear regression analysis and principal component analysis (PCA) was applied. For the classification models based on artificial neural network (ANN) was used. The methods/models found allowed us to obtain an Accuracy of 100% for female voices and 90% for male voices using only Jitter Shimmer and HNR parameters
- Vocal acoustic analysis: ANN versos SVM in classification of dysphonic voices and vocal cords paralysisPublication . Teixeira, João Paulo; Alves, Nuno Filipe Ribeiro; Fernandes, Paula OdeteVocal acoustic analysis is becoming a useful tool for the classification and recognition of laryngological pathologies. This technique enables a non-invasive and low-cost assessment of voice disorders, allowing a more efficient, fast, and objective diagnosis. In this work, ANN and SVM were experimented on to classify between dysphonic/control and vocal cord paralysis/control. A vector was made up of 4 jitter parameters, 4 shimmer parameters, and a harmonic to noise ratio (HNR), determined from 3 different vowels at 3 different tones, with a total of 81 features. Variable selection and dimension reduction techniques such as hierarchical clustering, multilinear regression analysis and principal component analysis (PCA) was applied. The classification between dysphonic and control was made with an accuracy of 100% for female and male groups with ANN and SVM. For the classification between vocal cords paralysis and control an accuracy of 78,9% was achieved for female group with SVM, and 81,8% for the male group with ANN.