Classifica??o de patologias lar?ngeas baseada em gr?ficos de recorr?ncia e redes neurais convolucionais

• Ano de defesa: 2025
• Autor(a) principal: Barros, Luana Rodrigues
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Processamento de sinais; Gr?ficos de recorr?ncia; Sinais de voz; Sistema din?mico n?o linear; Patologias Lar?ngeas
• Link de acesso: http://repositorio.ifpb.edu.br/jspui/handle/177683/4537

A laringe ? uma das principais estruturas do sistema fonat?rio humano e pode ser afetada por patologias que ocasionam altera??es nas caracter?sticas intr?nsecas da voz do locutor. Com isso, a an?lise ac?stica tem se destacado como uma ferramenta na detec??o de patologias lar?ngeas. Nesse contexto, os sinais de voz podem ser modelados como gr?ficos de recorr?ncia (RPs), que permitem a an?lise de recorr?ncias em forma de matrizes bidimensionais. Contudo, at? o presente momento apenas RPs bin?rios foram aplicados com essa finalidade. Este estudo apresenta sinais de vozes saud?veis e patol?gicas modelados como quatro tipos de RPs: RP bin?rio, RP sem limiar (URP - Unthresholded Recurrence Plot), o ReLU-RP (Rectified Linear Unit based Recurrence Plot) e o RP do espectro da frequ?ncia (FFT-RP - Fast Fourier Transform Recurrence Plot). Foi definida uma rede neural convolucional (CNN - Convolutional Neural Network) para realizar a classifica??o individual dos quatro tipos de RPs. Foi utilizado o m?todo de cross-validation (k = 4) para treinamento e avalia??o de desempenho das CNNs. Os melhores resultados de classifica??o do sinal de ?udio completo foram obtidos para o gr?fico de recorr?ncia do tipo ReLU-RP (? = 0, 3), considerando m?tricas de acur?cia, precis?o, sensibilidade, especificidade e F1-score.