Washington C. de A. Costa

Pathological voice assessment by recurrence quantification analysis

In this paper, the performance of quantification measures of recurrence plots is evaluated in the task of discriminating pathological voices from the healthy ones. In order to classify these signals as healthy, edema or paralysis, seven recurrence quantification measures are used: Determinism (DET), Maximum length of the diagonal structures (Lmax), Entropy (ENTR), Slope of line-of-best-fit (TREND), Laminarity (LAM), Length of longest vertical line segment (Vmax), and mean vertical line length or trapping time (TT). A discriminant analysis method is applied to each feature individually, using two discriminant functions: Linear and quadratic. The performance of individual classifiers are improved when combining the measures two by two. Results show that the method employed can be used as a highly reliable method for pathological voice assessment.

Exploiting nonlinearity of the speech production system for voice disorder assessment by recurrence quantification analysis

This work summarizes the research related to digital speech signal processing with recurrence quantification analysis (RQA) applied to voice disorder assessment. The main motivation for these studies is the fact that RQA is able to exploit the nonlinear dynamical nature of the speech production system. Due to the use of recurrence quantification measures to represent the behavior of speech signals, promising results were obtained in the characterization and classification of laryngeal pathologies and voice disorders. These contributions may help one to evaluate the usability and efficiency of RQA in vocal disorder assessment.

Análise da dinâmica do sistema de produção vocal na presença de patologias da laringe

Este trabalho trata da avaliacao do uso de medidas obtidas a partir da analise dinâmica nao linear na discriminacao entre vozes saudaveis e vozes afetadas por patologias laringeas (edemas de Reinke, nodulos e paralisia nas pregas vocais). As medidas empregadas, obtidas por meio da analise de quantificacao de recorrencia, sao: transitividade, comprimento medio das linhas diagonais e o tempo de recorrencia dos tipos 1 e 2. Os resultados obtidos no processo de classificacao indicam que as medidas avaliadas apresentam potencial discriminativo entre os dois grupos de sinais de voz considerados, podendo ser empregadas em sistemas de auxilio ao diagnostico de patologias na laringe.

Feature selection based on binary particle swarm optimisation and neural networks for pathological voice detection

Laryngeal pathologies directly affect the quality of the voice. In the last years, digital signal processing techniques have been applied for detection of vocal fold pathologies through speech signal analysis. In this work, a binary Particle Swarm Optimization (PSO) algorithm using Multilayer Perceptron (MLP) neural network is employed for the selection of the most significative features in a pathological voice detection system. The discrimination between healthy and pathological speech signals are obtained by 52 Haralick texture features, extracted from two-dimensional wavelet coefficients of the speech signals recurrence plots. The fitness function adopted is based in the maxima accuracy rate. Experimental results show that the use of PSO increased the accuracy rates with a minimum number of features.

Avaliação de Desempenho na Classificação de Patologias Laríngeas por Análise LPC de Sinais de Voz e Redes Neurais MLP

This article deals with the application of Linear Predictive Coding (LPC) and MLP neural networks in classifying healthy and voices affected by laryngeal pathologies (vocal fold edema, nodules and paralysis). The system performance is evaluated by varying the order of the LPC coefficients from 8 to 32. Classification rates above 98% were obtained in the healthy and pathological voice discrimination. Among pathologies, the accuracy values were higher than 90%. Keywords— Processing of Speech Signals, Linear Predictive Coding, Neural Network MLP, Laryngeal Pathologies.

Detecção Automática de Patologias Laríngeas usando a Transformada Wavelet Discreta

O presente trabalho emprega a energia normalizada dos coeficientes de detalhes obtidos por meio da transformada wavelet discreta, para distinguir entre sinais de vozes saudáveis de sinais afetados por edema de Reinke e nódulos nas pregas vocais. A wavelet de Daubechies de ordem 35 é usada para decompor os sinais em oito níveis de resolução. As características extraídas são avaliadas individualmente e de forma combinada, com o intuito de determinar as faixas de frequência que fornecem a melhor discriminação entre as vozes saudáveis e patológicas. Para a classificação, a análise discriminante quadrática é empregada. Os resultados atestam que o quarto nível de resolução provê as melhores taxas de reconhecimento. Uma acurácia de 97% foi obtida na discriminação entre os sinais de vozes saudáveis e os sinais afetados por nódulos vocais. Palavras-Chave—Detecção automática de patologias laríngeas; Transformada Wavelet Discreta, Análise Discriminante Quadrática; Abstract— The present work uses the normalized energy of the detail coefficients obtained from Discrete Wavelet Transform to distinguish health voices from that affected by Reinke ́s edema and nodules in vocal folds. The Daubechies wavelet of order 35 is used to decompose the signals at eight resolution levels. The extracted features are evaluated individually and in a combined way in order to determine the frequency bands that provide the best discrimination between healthy and pathological voices. For the classification, quadratic discriminant analysis technique is employed. Results show that the fourth resolution level provides the best recognition rates. An accuracy of 97% is achieved in the discrimination between healthy voices and those affected by vocal nodules. The present work uses the normalized energy of the detail coefficients obtained from Discrete Wavelet Transform to distinguish health voices from that affected by Reinke ́s edema and nodules in vocal folds. The Daubechies wavelet of order 35 is used to decompose the signals at eight resolution levels. The extracted features are evaluated individually and in a combined way in order to determine the frequency bands that provide the best discrimination between healthy and pathological voices. For the classification, quadratic discriminant analysis technique is employed. Results show that the fourth resolution level provides the best recognition rates. An accuracy of 97% is achieved in the discrimination between healthy voices and those affected by vocal nodules. Keywords—Automatic laryngeal pathology detection; Discrete Wavelet Transform, Quadratic Discriminant Analysis; I. INTRODUÇÃO A produção da fala é um processo complexo que envolve movimentos musculatórios, respiração, controle do cérebro e um sistema sensor de realimentação auditiva. Alterações estruturais nesses mecanismos podem causar mudanças no processo articulatório da fala, causando desordens vocais. Certas alterações laríngeas impedem que as pregas vocais tenham uma vibração glotal harmônica, provocando modificações significativas no sinal de voz [1]. Embora a patologia esteja localizada no sistema vibratório pode, ainda, afetar o movimento articulatório regular durante a produção da fala. Além disso, componentes do sistema de ressonância podem ser afetados, resultando em mudanças no trato vocal, produzindo irregularidades tanto nas modificações da frequência fundamental quanto na envoltória espectral do sinal [1]. Hartl et al. [2] atestam que nos sinais de vozes patológicos, os níveis de energia aumentam nas médias e altas frequências e decrescem nas baixas em relação aos sinais de vozes saudáveis. A detecção precoce de patologias laríngeas aumenta significativamente a eficácia do tratamento. Para auxiliar o diagnóstico médico, técnicas de processamento digital de sinais podem ser usadas para avaliar a qualidade vocal, através da análise acústica. Estas técnicas podem ser associadas às técnicas convencionais baseadas na observação clinica para melhorar o diagnóstico e o tratamento das desordens vocais. Além disso, traz como benefícios um exame menos desconfortável para o paciente, uma avaliação quantitativa dos critérios de avaliação da qualidade da voz e possibilitam o desenvolvimento de sistemas automáticos de auxílio ao diagnóstico por computador com baixo custo [3]. Para a detecção eficiente de uma determinada patologia, torna-se necessário escolher características ou parâmetros capazes de capturar a desordem presente no sinal de voz causada pela patologia. A transformada wavelet permite a análise de sinais em resoluções distintas, de modo que, em cada escala, aspectos diferentes possam ser observados. Como a análise com wavelets fornece informações do sinal tanto no domínio do tempo quanto no domínio da frequência, torna-se uma ferramenta de enorme importância em processamento digital de diversos tipos de sinais, inclusive os de vozes saudáveis ou patológicas [4]. Diversos trabalhos, na literatura recente, empregam as wavelets como extratores de características na discriminação entre vozes saudáveis e patológicas. A maioria utiliza medidas baseadas na energia e na entropia de Shannon dos coeficientes wavelets para a representação dos sinais de voz. As wavelets são aplicadas de diversas formas, tais como a transformada wavelet discreta [4-7], a transformada wavelet contínua [8] e as wavelets packets [3, 9 -12]. Neste artigo, um novo método para a detecção automática de patologias laríngeas baseado na transformada wavelet discreta é apresentado. Como parâmetro, é empregado a energia normalizada dos coeficientes de detalhes obtidos por meio da wavelet Daubechies de ordem 35, em oito níveis de resolução. As características extraídas são avaliadas individualmente, por nível de resolução, e combinadas com o intuito de determinar as faixas de frequência que fornecem a maior separação entre os sinais de vozes saudáveis e os sinais afetados por edema de Reinke e nódulos nas pregas vocais. Para a classificação é empregada a análise discriminante quadrática. O artigo está organizado da seguinte maneira: Na Seção II é apresentada uma breve revisão da transformada wavelet discreta e do tipo de wavelet empregada. Na Seção III são apresentadas a base de dados e a metodologia empregada. Os resultados na Seção IV e, por fim, na Seção V, as considerações finais. II. TRANSFORMADA WAVELET DISCRETA A transformada wavelet é uma técnica usada para representar, descrever e processar sinais através da combinação linear de funções elementares. Na análise multirresolucional são empregadas, na decomposição, duas funções ortogonais conhecidas como wavelet mãe, ψ(t), e função escalonamento, (t). Todas as funções base são obtidas pela translação e escalonamento dessas funções: ), 2 ( 2 ) ( , k t t j j k j       (1) ), 2 ( 2 ) ( , k t t j j k j       (2) em que j e k são inteiros que representam, respectivamente, a escala ou resolução e a translação. Uma função f(t) pode ser decomposta na j-ésima escala em termos da função wavelet e da função escalonamento por: ), ) ( ) ( ) ( ) ( ( ) ( , k , t k d t k c t f k j j k j j     (3) em que cj(k) e dj(k) correspondem aos coeficientes de aproximação e detalhe, definidos como:     m j j m c k m h k c ), ( ) 2 ( ) ( 1 (4)     m j j m c k m g k d ). ( ) 2 ( ) ( 1 (5) As funções h(n) e g(n) são, respectivamente, as respostas ao impulso de filtros de análise passa-baixas e passa-altas. As equações (4) e (5) mostram que os coeficientes wavelets cj(k) e dj(k) são obtidos a partir de convoluções discretas com as respostas ao impulso h(n) e g(n). O fator 2k, no índice dos filtros, representa a decimação por um fator 2. Para cada nível de resolução j é obtida uma aproximação cj(k) e um detalhe dj(k). Os termos aproximação e detalhe correspondem, respectivamente, às componentes de baixas e altas frequências do sinal analisado. As informações extraídas em uma dada resolução são mantidas nos níveis de resolução superiores. Se o sinal original cj-1(k) possui N amostras, então os sinais cj(k) e dj(k) possuem 2 j N amostras. Dessa forma, a decomposição wavelet é formada por sequências que possuem o mesmo tamanho do sinal de entrada. A Figura 1 ilustra o algoritmo de decomposição wavelet uni-dimensional, proposto por Mallat [13], conhecido como transformada wavelet rápida. Fig. 1. Algoritmo de decomposição wavelet para três níveis de resolução. As wavelets de Daubechies são uma família, formada por várias funções que possuem filtros de comprimento diferentes [14]. Os nomes das wavelets são descritos por dbN, em que N é o comprimento do filtro ou ordem da wavelet. Tais wavelets são ortogonais e possuem suporte compacto, ou seja, as respostas ao impulso dos filtros h(n) e g(n) são finitas e os somatórios que definem a transformada wavelet discreta são finitos. Segundo Fonseca et al. [4], as wavelets de Daubechies são muito utilizadas para análise de sinais de voz. III. MATERIAIS E MÉTODOS A. Base de Dados Os dados utilizados neste trabalho fazem parte da base de dados gravada pelo Massachusetts Eye and Ear Infirmary (MMEEI) Voice and Speech Lab [15]. Essa base de dados foi construída para auxílio na análise perceptual de vozes desordenadas para aplicações clínicas e de pesquisa e tem sido largamente utilizada em diversos trabalhos relacionados à análise acústica de sinais de voz. A mesma inclui amostras de pacientes com uma grande variedade de desordens da voz provocadas por causas orgânicas, neurológicas, traumáticas e psicogênicas, entre outras. Nesta pesquisa, são utilizados 53 arquivos de vozes saudáveis e 62 sinais de vozes patológicas, dentre as quais 44 são afetadas por edema de Reinke e 18 por nódulos nas pregas vocais. Dentre os sons produzidos no trato vocal, as vogais sustentadas e algumas consoantes sonoras são as mais facilmente distorcidas na presença da patologia, por isso são usadas para validar sistemas de detecção automática de sinais de vozes patológicas [8]. Todos os sinais utilizados são da

Avaliação de Diversas Bases Wavelets na Detecção de Distúrbios Vocais Infantis

Resumo—A alta prevalência de desvios vocais na infância exige uma atenção especial na avaliação e diagnóstico das vozes infantis. Técnicas de processamento digital de sinais podem ser empregadas para auxiliar outros métodos de avaliação de distúrbios da voz, tais como análise otorrinolaringológica e análise perceptivo-auditiva. A transformada wavelet é uma ferramenta interessante para análise acústica por permitir a representação dos sinais em faixas de frequências diferentes. Neste trabalho, as medidas de energia normalizada e entropia dos coeficientes de detalhes da transformada wavelet discreta são empregadas na avaliação do grau de intensidade do desvio vocal em crianças. São avaliadas 45 wavelets da família de Daubechies em nove níveis de resolução. A classificação dos sinais é realizada empregando a Análise Discriminante Quadrática. A wavelet de Daubechies de ordem 12 apresentou melhor resultado em termos de acurácia e custo computacional.

Feature selection based on binary particle swarm optimization and neural networks for pathological voice detection

Laryngeal pathologies directly affect the quality of the voice. In the last years, digital signal processing techniques have been applied for detection of vocal fold pathologies through speech signal analysis. In this work, a binary Particle Swarm Optimization (PSO) algorithm using Multilayer Perceptron (MLP) neural network is employed for the selection of the most significative features in a pathological voice detection system. The discrimination between healthy and pathological speech signals are obtained by 52 Haralick texture features, extracted from two-dimensional wavelet coefficients of the speech signals recurrence plots. The fitness function adopted is based in the maxima accuracy rate. Experimental results show that the use of PSO increased the accuracy rates with a minimum number of features.

Voice pathology assessment using wavelet based on texture analysis of recurrence plots

This work proposes an efficient texture classification strategy performed in the wavelet domain in order to characterize healthy and pathological speech signals from recurrence plots (RP). The two-dimensional wavelet transform is applied to the recurrence plots at one resolution level. Thirteen Haralick texture features are obtained from each approximation and detail subband coefficients. In classification, multilayer perceptron (MLP) neural networks with cross validation are employed. Classification accuracy is improved and the number of features is reduced by particle swarm optimization (PSO). Results suggest that this method may be useful for pathological voice discrimination.