DETECTION OF VOCAL PATHOLOGIES THROUGH THE USE OF AUTO REGRESSIVE MODELS AND KNN ALGORITHM
Existe na literatura indicações de que o processamento digital de sinais permite diagnosticar, de maneira não invasiva, patologias laríngeas, não existindo definição do método mais indicado e das características, ou parâmetros, mais adequados para detectar a presença de desvios. Nesse trabalho é realizado um estudo para detecção de desvios vocais utilizando-se vozes do banco de dados Disordered Voice Database. Foram utilizados 166 sinais distribuídos entre vozes saudáveis e vozes patológicas afetadas por edema, por nódulo e por paralisia nas pregas vocais. A partir dos sinais de voz, foram gerados modelos Auto Regressivos (AR e ARMA) para representação desses sinais e, utilizando os parâmetros dos modelos obtidos, foi utilizado o algoritmo K-Nearest Neighbors para a classificação dos sinais analisados. Os resultados obtidos foram comparados com uma classificação apenas pela distância euclidiana entre os sinais e apontaram um bom resultado no estudo proposto, com uma taxa de acerto na classificação superior a 71%.
DETECTION OF VOCAL PATHOLOGIES THROUGH THE USE OF AUTO REGRESSIVE MODELS AND KNN ALGORITHM
-
DOI: 10.22533/at.ed.7532221061
-
Palavras-chave: Detecção de desvios vocais, AR, ARMA, K-nearest neighbor.
-
Keywords: Detection of vocal deviations, AR, ARMA, K-nearest neighbor.
-
Abstract:
There are indications in the literature that digital signal processing allows non-invasive diagnosis of laryngeal pathologies, and there is no definition of the most indicated method and the characteristics or parameters best suited to detect the presence of deviations. In this work, a study is performed for the detection of vocal deviations using voices from the Disordered Voice Database. We used 166 signals distributed between healthy voices and pathological voices affected by edema, nodule and paralysis in the vocal folds. Auto-Regressive models (AR and ARMA) were generated for the representation of these signals and, using the parameters of the obtained models, the K-Nearest Neighbors algorithm was used to classify the analyzed signals. The obtained results were compared with a classification only by the Euclidean distance between the signs and indicated a good result in the proposed study, with a rating rate in the classification superior to 71%.
-
Número de páginas: 14
- Ícaro Bezerra Queiroz de Araújo
- Aldayr Dantas de Araújo
- Allan de Medeiros Martins
- Winnie de Lima Torres
