Full metadata record
DC FieldValueLanguage
dc.contributor.authorSouza, Taciana Araújo de-
dc.date.accessioned2016-12-06T12:36:21Z-
dc.date.available2016-12-06T12:36:21Z-
dc.date.issued2016-12-06-
dc.identifier.urihttp://repositorio.ifpb.edu.br/jspui/handle/177683/278-
dc.description.abstractA análise acústica do sinal de voz, devido à sua natureza não invasiva e ao baixo custo, tem se mostrado uma eficiente ferramenta para auxílio ao diagnóstico das desordens vocais provocadas por patologias na laringe. Os gráficos apresentam padrões de larga e pequena escala, cujas variações em sua textura representam o comportamento do sinal de voz, proporcionando informações acerca do estado de normalidade ou de alteração na qualidade vocal. Os padrões de pequena escala podem ser vistos como características de textura e servem como base para uma análise quantitativa dos gráficos de recorrência. Técnicas de Processamento Digital de Imagens são empregadas para a análise da textura contida nos gráficos de recorrência, baseada na transformada wavelet bidimensional. A fim de discriminar sinais saudáveis de sinais patológicos, são extraídos diversos descritores de texturas dos coeficientes de cada sub-banda obtida pela decomposição wavelet bidimensional. Nesta pesquisa, duas abordagens foram aplicadas, as quais se diferenciam pela forma de extração dos padrões representativos dos sinais: extração dos descritores de textura diretamente das sub-bandas da transformada wavelet; e extração dos descritores de Haralick, a partir da matriz de co-ocorrência. Os sinais de voz foram classificados como saudáveis ou patológicos, como também foi realizada a discriminação entre patologias. Paralisia, edema de Reinke e nódulos nas pregas vocais foram as patologias laríngeas consideradas na pesquisa. Os melhores resultados foram obtidos com os descritores de Haralick, empregando redes neurais MLP (Multilayer Perceptron) na classificação, em conjunto com o algoritmo de otimização por enxame de partículas PSO (Particle Swarm Optimization) empregado na seleção das características mais representativas. O sistema proposto melhorou significativamente a acurácia na discriminação entre patologias, com resultados superiores aos encontrados na literatura, que empregam a análise de recorrência.pt_BR
dc.language.isoptpt_BR
dc.subjectGráficos de recorrênciapt_BR
dc.subjectAnálise de texturapt_BR
dc.subjectTransformada Waveletpt_BR
dc.subjectOtimização por enxame de partículaspt_BR
dc.subjectProcessamento digitalpt_BR
dc.subjectSinal de vozpt_BR
dc.titleAplicação da Transformada Wavelet em Análise de Texturas de Gráficos de Recorrência para Detecção de Patologias Laríngeaspt_BR
dc.typemasterThesispt_BR
ifpb.abnt.categoryDissertaçãopt_BR
ifpb.abnt.grantorIFPBpt_BR
ifpb.abnt.localCampus João Pessoapt_BR
Appears in Collections:Engenharia Elétrica