Identificação de patologias em pregas vocais por meio de classificador bag of features e redes neurais convolucionais

• Ano de defesa: 2021
• Autor(a) principal: Salvador Junior, José Narcisio [UNESP]
• Orientador(a): Ulson, José Alfredo Covolan [UNESP], Silvério, Kelly Cristina Alves
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Classificação de Imagens; Bag of Features; Redes Neurais Convolucionais; Patologia de Laringe; Image classification; Bag of features; Convolutional neural networks; Laryngeal pathology
• Link de acesso: http://hdl.handle.net/11449/215729

Patologias de laringe, como cistos e nódulos, são caracterizadas como alterações benignas e têm seu diagnóstico dado por meio de análise visual e perceptivo-auditiva em telelaringoscopias, exame endoscópico ambulatorial para inspeções laríngeas auxiliadas por vídeo. Porém, uma inspeção visual incorreta, que ocorre por similaridade vocal, acústica e também em suas propriedades anatômicas, pode levar o diagnóstico de uma das patologias benignas a prejudicar o diagnóstico de outra. Visto que há possibilidade de inversão na determinação diagnóstica entre essas duas patologias, pela equipe médica responsável, propõe-se uma ferramenta para auxílio diagnóstico que visa identificar e classificar imagens de pregas vocais saudáveis e não saudáveis - nódulos e cistos - advindas de telelaringoscopias e demais bancos de imagens, utilizando classificador inteligente Bag of Features e Redes Neurais Convolucionais - AlexNet, ResNet e DenseNet. Foi realizada segmentação de 45 imagens e aplicação de técnicas de Data Augmentation, passando a ter 300 imagens, divididas em três grupos entre teste e validação; sendo 100 imagens no grupo “normais”, 100 imagens no grupo “cistos” e 100 imagens no grupo “nódulos”. Ambos os grupos foram submetidos a 5 testes com 19 épocas cada um em todas as ferramentas utilizadas e alcançou-se o melhor resultados na CNN ResNet com acurácia de 97,33% de robustez e erro válido de 2,67% nos testes e classificação de pregas vocais saudáveis - normais e não saudáveis cistos e nódulos.