Detecção inteligente de patologias na laringe baseada em máquinas de vetores de suporte e na transformada wavelet

Abstract

A detecção de patologias na laringe tem ocorrido basicamente por meio de diagnósticos médicos apoiados em videolaringoscopia, que é considerado um procedimento invasivo e causa certo deconforto ao paciente. Além disso, esse tipo de exame é realizado com solicitação médica e apenas quando as alterações na fala já são marcantes ou estão causando dor. Nesse ponto, muitas vezes a doença já está em grau avançado, dificultando o seu tratamento. Com o objetivo de realizar um pré-diagnóstico de tais patologias, este trabalho propõe uma técnica não invasiva baseada em um novo algoritmo que combina duas Máquinas de Vetores de Suporte, treinadas com o uso de um procedimento de aprendizado semi-supervisionado, alimentadas por um conjunto de parâmetros obtidos com o uso da Transformada Wavelet Discreta do sinal de voz do locutor. Os testes realizados com uma base de dados de vozes normais e afetadas por diversas patologias demonstram a eficácia da técnica proposta que pode, inclusive, ser implementada em tempo-real.

Larynx pathology detection is a process that depends basically on medical diagnosis and is based on videolaringoscopy, which is considered as being an invasive and uncomfortable procedure. Furthermore, this kind of examination depends on a physicists requirement and is carried out only when speech is considerably modified or causing pain. At that level, the problem is in an advanced stage which difficults its treatment. In order to get a pre-diagnosis of such pathologies, this work proposes a non-invasive technique which is based on a new algorithm that combines two support vector machines, trained with a semi-supervised approach, powered by a set of parameters derived from the discrete wavelet transform of the speakers voice signal. Tests carried out with the use of a database of normal and pathological voices show the efficacy of the proposed technique which can also be implemented for use in real-time.