Aplicação de análise Wavelet e paraconsistent feature extraction no diagnóstico de patologias da voz (2025)
- Authors:
- Autor USP: DALALANA, GABRIEL JOSÉ PELLISSER - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- DOI: 10.11606/D.18.2025.tde-21032025-074016
- Subjects: DIAGNÓSTICO CLÍNICO; VOZ; ANÁLISE DE ONDALETAS; LÓGICA PARACONSISTENTE
- Keywords: Análise Wavelet.; Diagnóstico de distúrbios da voz.
- Language: Português
- Abstract: Neste projeto de pesquisa, será apresentada uma abordagem prática que abrange a anatomia do sistema vocal humano e as patologias associadas, com um foco particular nas técnicas de processamento de sinais, especificamente a análise Wavelet e a lógica para-consistente. A fala humana, um mecanismo complexo de comunicação, é influenciada por uma variedade de fatores biomecânicos e fisiológicos que são essenciais para a produção vocal. Distúrbios vocais, que podem afetar a qualidade e clareza da fala, são causados por uma gama de condições, incluindo danos físicos às pregas vocais, uso excessivo da voz, ou problemas neurológicos. O diagnóstico desses distúrbios frequentemente envolve técnicas não invasivas, como a análise acústica da voz, que podem ser significativamente aprimoradas com o uso de tecnologias de processamento de sinal. A análise Wavelet, em particular, proporciona uma ferramenta poderosa para decompor o sinal de voz em componentes de frequência e tempo, permitindo uma detecção mais detalhada de irregularidades vocais. Além disso, a lógica paraconsistente oferece um método promissor para lidar com contradições e inconsistências em dados, o que pode ser especialmente útil em diagnósticos complexos onde múltiplas condições podem estar presentes. As técnicas de Wavelet são discutidas em detalhe, destacando sua aplicabilidade na identificação de padrões específicos de patologias da voz, o que é crucial para o desenvolvimento de métodos diagnósticos mais precisos e eficazes que serão, posteriormente, automatizados através do uso de classificadores inteligentes, como a Support Vector Machine. Resultados obtidos comprovam a eficácia do método proposto, atingindo 98,65% de acurácia fazendo uso da Taxa de Cruzamento por Zero, superando, seja na acurácia obtida, ou na simplicidade de fazer uso de apenas uma única característica extraída, demais métodos da literatura
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 22.01.2025
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
DALALANA, Gabriel José Pellisser. Aplicação de análise Wavelet e paraconsistent feature extraction no diagnóstico de patologias da voz. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-21032025-074016/. Acesso em: 31 dez. 2025. -
APA
Dalalana, G. J. P. (2025). Aplicação de análise Wavelet e paraconsistent feature extraction no diagnóstico de patologias da voz (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18153/tde-21032025-074016/ -
NLM
Dalalana GJP. Aplicação de análise Wavelet e paraconsistent feature extraction no diagnóstico de patologias da voz [Internet]. 2025 ;[citado 2025 dez. 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-21032025-074016/ -
Vancouver
Dalalana GJP. Aplicação de análise Wavelet e paraconsistent feature extraction no diagnóstico de patologias da voz [Internet]. 2025 ;[citado 2025 dez. 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-21032025-074016/
Informações sobre o DOI: 10.11606/D.18.2025.tde-21032025-074016 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
