Wavelets, LPC and LS-SVM applied for analysis and identification of pathological voice signals / Wavelets, predição linear e LS-SVM aplicados na análise e classificação de sinais de vozes patológicas

AUTOR(ES)

Everthon Silva Fonseca

DATA DE PUBLICAÇÃO

2008

RESUMO

Neste trabalho, foram utilizadas as vantagens da ferramenta matemática de análise temporal e espectral, a transformada wavelet discreta (DWT), além dos coeficientes de predição linear (LPC) e do algoritmo de inteligência artificial, Least Squares Support Vector Machines (LS-SVM), para aplicações em análise de sinais de voz e classificação de vozes patológicas. Inúmeros trabalhos na literatura têm demonstrado o grande interesse existente por ferramentas auxiliares ao diagnóstico de patologias da laringe. Os componentes da DWT forneceram parâmetros de medida para a análise e classificação das vozes patológicas, principalmente aquelas provenientes de pacientes com edema de Reinke e nódulo nas pregas vocais. O banco de dados com as vozes patológicas foi obtido do Departamento de Otorrinolaringologia e Cirurgia de Cabeça e Pescoço do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto (FMRP-USP). Utilizando-se o algoritmo de reconhecimento de padrões, LS-SVM, mostrou-se que a combinação dos componentes da DWT de Daubechies com o filtro LP inverso levou a um classificador de bom desempenho alcançando mais de 90% de acerto na classificação das vozes patológicas.

ASSUNTO(S)

classificador support vector machines discrete wavelet transform linear prediction inverse filter vozes patológicas transformada wavelet pathological voices filtro inverso de predição linear support vector machines classifier

Documentos Relacionados

• LS-SVM: uma nova ferramenta quimiométrica para regressão multivariada. Comparação de modelos de regressão LS-SVM e PLS na quantificação de adulterantes em leite em pó empregando NIR
• Aplicação da transformada Wavelet Packet na análise e classificação de sinais de vozes patológicas
• Classificação de sinais de vozes saudáveis e patológicas por meio da combinação entre medidas da análise dinâmica não linear e codificação preditiva linear
• Tratamento e análise de sinais neurológicos visuais com wavelets
• Biological signal analysis by wavelets.