Reconhecimento de padrões aplicados à identificação de patologias de laringe

Texto

(1)´ ´ UNIVERSIDADE TECNOLOGICA FEDERAL DO PARANA ´ ˜ EM ENGENHARIA ELETRICA ´ PROGRAMA DE POS-GRADUAC ¸ AO E ´ INFORMATICA INDUSTRIAL. BRUNO RIBEIRO SODRE´. ˜ ` RECONHECIMENTO DE PADROES APLICADOS A ˜ DE PATOLOGIAS DE LARINGE IDENTIFICAC ¸ AO. ˜ DISSERTAÇAO. CURITIBA 2016.

(2) BRUNO RIBEIRO SODRE´. ˜ ` RECONHECIMENTO DE PADROES APLICADOS A ˜ DE PATOLOGIAS DE LARINGE IDENTIFICAC ¸ AO. Dissertaça˜ o apresentada ao Programa de Pósgraduaça˜ o em Engenharia Elétrica e Informática Industrial da Universidade Tecnológica Federal do Paraná como requisito parcial para obtença˜ o do grau ´ de “Mestre em Ciências” – Area de Concentraça˜ o: Engenharia de Automaça˜ o. Orientador:. Marco José da Silva. Co-orientador: Marcelo de Oliveira Rosa. CURITIBA 2016.

(3) Dados Internacionais de Catalogação na Publicação S679r 2016. Sodré, Bruno Ribeiro Reconhecimento de padrões aplicados à identificação de patologias de laringe / Bruno Ribeiro Sodré.-- 2016. 108 f.: il.; 30 cm Texto em português, com resumo em inglês. Dissertação (Mestrado) - Universidade Tecnológica Federal do Paraná. Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial, Curitiba, 2016. Bibliografia: f. 105-108. 1. Laringe - Doenças - Diagnóstico. 2. Voz. 3. Acústica - Análise. 4. Redes neurais (Computação). 5. Reconhecimento de padrões. 6. Máquinas de vetores de suporte. 7. Métodos de simulação. 8. Engenharia elétrica - Dissertações. I. Silva, Marco José da, orient. II. Rosa, Marcelo de Oliveira, coorient. III. Universidade Tecnológica Federal do Paraná. Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial. IV. Título. CDD: Ed. 22 -- 621.3. Biblioteca Central da UTFPR, Câmpus Curitiba.

(4) UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ. Câmpus Curitiba. Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial. Título da Dissertação Nº. ____. Reconhecimento De Padrões Aplicados À Identificação De Patologias De Laringe por. Bruno Ribeiro Sodré Orientador: Prof. Dr. Marco José da Silva (UTFPR) Coorientador: Prof. Dr. Marcelo de Oliveira Rosa (UTFPR) Esta dissertação foi apresentada como requisito parcial à obtenção do grau de MESTRE EM CIÊNCIAS – Área de Concentração: Engenharia de Automação e Sistemas do Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial – CPGEI – da Universidade Tecnológica Federal do Paraná – UTFPR, às 14h do dia 23 de fevereiro 2016. O trabalho foi aprovado pela Banca Examinadora, composta pelos professores doutores:. _____________________________________ Prof. Dr. Marcelo de Oliveira Rosa (Presidente – UTFPR). ___________________________________ Prof. Dr. Eduardo Parente Ribeiro (UFPR). ___________________________________ Prof. Dr. Alexandre José T.S. Mello (UTFPR). ___________________________________ Prof. Dr. (). Visto da coordenação:. ________________________________ Prof. Dr. Emilio Carlos Gomes Wille (Coordenador do CPGEI).

(5) Dedico este estudo a` minha fam´ılia que, de uma ou outra forma, sempre estiveram presentes incentivando-me em todos os momentos deste trabalho..

(6) AGRADECIMENTOS. Agradeço primeiramente a Deus por estar presente em todos os momentos de dificuldades que me foram impostos durante todo o per´ıodo deste trabalho e me proporcionar condiço˜ es para superá-los. Agradeço a` minha fam´ılia pela constante motivaça˜ o durante todo o per´ıodo de estudo. Agradeço a todos que contribu´ıram de alguma forma neste estudo. Em especial aos meus orientadores, os professores Marco e Marcelo, pelas conversas e discussões que me proporcionaram muitas ideias para a realizaça˜ o deste trabalho..

(7) “O sucesso não e´ medido pelos patamares alcançados, mas pelos obstáculos superados para chegar lá.” (Booker T. Washington)..

(8) RESUMO. ˜ ´ Bruno Ribeiro. ` SODRE, RECONHECIMENTO DE PADROES APLICADOS A ˜ DE PATOLOGIAS DE LARINGE. 108 f. Dissertaça˜ o – Programa de PósIDENTIFICAÇAO graduaça˜ o em Engenharia Elétrica e Informática Industrial, Universidade Tecnológica Federal do Paraná. Curitiba, 2016. As patologias que afetam a laringe estão aumentando consideravelmente nos u´ ltimos anos devido a` condiça˜ o da sociedade atual onde há hábitos não saudáveis como fumo, a´ lcool e tabaco e um abuso vocal cada vez maior, talvez por conta do aumento da poluiça˜ o sonora, principalmente nos grandes centros urbanos. Atualmente o exame utilizado pela endoscopia per-oral (direcionado a identificar patologias de laringe) são a videolaringoscopia e videoestroboscopia, ambos invasivos e por muitas vezes desconfortável ao paciente. Buscando melhorar o bem estar dos pacientes que necessitam submeter-se a estes procedimentos, este estudo teve por objetivo identificar padrões acústicos que possam ser aplicados a` identificaça˜ o de patologias de laringe de modo a se criar um novo método não invasivo de avaliaça˜ o da laringe. Aqui duas diferentes configuraço˜ es de redes neurais from usadas. A primeira foi gerada a partir de 524.287 combinaço˜ es de 19 medidas acústicas para classificar vozes em normais ou de patologia da laringe, e atingiu uma acurácia máxima de 99,5% (96,99±2,08%). Utilizandose 3 e 6 medidas rotacionadas (obtidas através do método de componentes principais), a acurácia foi de 93,98±0,24% e 94,07±0,29%, respectivamente. Com 6 medidas rotacionadas com prévia normalizadas das 19 medidas acústicas, a acurácia foi de 97,88±1,53%. A segunda, para classificar 23 diferentes tipos de vozes (incluindo vozes normais), mostrou melhor acuracia na identificaça˜ o de hiperfuncionalidades e vozes normais com 58,23±18,98% e 52,15±18,31%, respectivamente. A pior acuracia foi obtida para fadigas vocais, com 0,57±1,99%. Excluindo-se as vozes normais, hiperfuncionalidades continou sendo as mais facilmente identificáveis (com uma acurácia de 57,3±19,55%) seguida de constriço˜ es aˆ nteroposterior (com 18,14±11,45%), e a patologia mais dif´ıcil de se identificar continua sendo a fadiga vocal (com 0,7±2,14%). Usando uma re-amostragem dos vetores de entrada das redes neurais, obteve-se acurácia de 25,88±10,15%, 21,47±7,58% e 18,44±6,57% para tais redes com 20, 30 e 40 neurônios na camada intermediária, respectivamente. Para comparaça˜ o, classificaça˜ o usando máquina de vetores suporte produziu acurácia de 67±6,2%. Assim, mostrou-se que as medidas acústicas precisam ser aprimoradas para a obtença˜ o de melhores resultados de classificaça˜ o dentre as patologias de laringe estudadas. Ainda assim, verificou-se que e´ poss´ıvel discriminar locutores normais dos disfônicos. Palavras-chave: Patologias de laringe, Análise Acústica da Voz, Redes Neurais, Máquinas de Vetores Suporte.

(9) ABSTRACT. ´ Bruno Ribeiro. PATTERN RECOGNITION APPLIED TO THE IDENTIFICATION SODRE, OF PATHOLOGIES LARYNGEAL. 108 f. Dissertaça˜ o – Programa de Pós-graduaça˜ o em Engenharia Elétrica e Informática Industrial, Universidade Tecnológica Federal do Paraná. Curitiba, 2016. Diseases that affect the larynx have been considerably increased in recent years due to the condition of nowadays society where there have been unhealthy habits like smoking, alcohol and tobacco and an increased vocal abuse, perhaps due to the increase in noise pollution, especially in large urban cities. Currently the exam performed by per-oral endoscopy (aimed to identify laryngeal pathologies) have been videolaryngoscopy and videostroboscopy, both invasive and often uncomfortable to the patient. Seeking to improve the comfort of the patients who need to undergo through these procedures, this study aims to identify acoustic patterns that can be applied to the identification of laryngeal pathologies in order to creating a new non-invasive larynx assessment method. Here two different configurations of neural networks were used. The first one was generated from 524.287 combinations of 19 acoustic measurements to classify voices into normal or from a diseased larynx, and achieved an max accuracy of 99.5% (96.99±2.08%). Using 3 and 6 rotated measurements (obtained from the principal components analysis method), the accuracy was 93.98±0.24% and 94.07±0.29%, respectively. With 6 rotated measurements from a previouly standardization of the 19 acoustic measurements, the accuracy was 97.88±1.53%. The second one, to classify 23 different voice types (including normal voices), showed better accuracy in identifying hiperfunctioned larynxes and normal voices, with 58.23±18.98% and 52.15±18.31%, respectively. The worst accuracy was obtained from vocal fatigues, with 0.57±1.99%. Excluding normal voices of the analysis, hyperfunctioned voices remained the most easily identifiable (with an accuracy of 57.3±19.55%) followed by anterior-posterior constriction (with 18.14±11.45%), and the most difficult condition to be identified remained vocal fatigue (with 0.7±2.14%). Re-sampling the neural networks input vectors, it was obtained accuracies of 25.88±10.15%, 21.47±7.58%, and 18.44±6.57% from such networks with 20, 30, and 40 hidden layer neurons, respectively. For comparison, classification using support vector machine produced an accuracy of 67±6.2%. Thus, it was shown that the acoustic measurements need to be improved to achieve better results of classification among the studied laryngeal pathologies. Even so, it was found that is possible to discriminate normal from dysphonic speakers. Keywords: Laryngeal pathologies, Acoustic Voice Analysis, Neural Network, Support Vector Machines.

(10) LISTA DE FIGURAS. FIGURA 1 FIGURA 2 FIGURA 3 FIGURA 4 FIGURA 5 FIGURA 6 FIGURA 7 FIGURA 8 FIGURA 9 FIGURA 10 FIGURA 11 FIGURA 12 FIGURA 13 FIGURA 14 FIGURA 15 FIGURA 16 FIGURA 17 FIGURA 18. – – – – – – – – – – – – – – – – – –. Laringoscópio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nasofibroscópio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ilustraça˜ o de Laringe Anterior e Sagital Posterior . . . . . . . . . . . . . . . . . . . . . . Estroboscopia de um ciclo vibratório das pregas vocais . . . . . . . . . . . . . . . . . Estrutura neuromuscular da laringe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Estrutura cartilaginosa e fibrelástica da laringe . . . . . . . . . . . . . . . . . . . . . . . . . Esquemático da Fala Humana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ilustraça˜ o do trato vocal humano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ilustraça˜ o da Laringe Aberta e Fechada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Frequência Média da Voz Humana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Propagaça˜ o do ar pelas pregas vocais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Medidas acústicas de um sinal de voz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Esquemático de um neurônio biológico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vetores candidatos para a classificaça˜ o SVM . . . . . . . . . . . . . . . . . . . . . . . . . . Vetor Escolhido para a classificaça˜ o SVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuiça˜ o dos dados de entrada das máquinas de vetores suporte . . . . . . Exemplo 1 de resultado obtido pela máquina de vetores de suporte . . . . . . . Exemplo 2 de resultado obtido pela máquina de vetores de suporte . . . . . . .. 16 17 25 26 27 28 29 29 30 31 32 49 57 61 61 70 71 71.

(11) LISTA DE TABELAS. TABELA 1 TABELA 2 TABELA 3 TABELA 4 TABELA 5 TABELA 6 TABELA 7 TABELA 8 TABELA 9. – – – – – – – – –. TABELA 10 – TABELA 11 – TABELA 12 –. TABELA 13 –. TABELA 14 –. TABELA 15 –. TABELA 16 –. TABELA 17 –. TABELA 18 –. Fatores que afetam a qualidade fonatória . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Origem das Patologias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Índice de sintomas de refluxo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Causas de paralisia unilateral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Matriz confusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Relaça˜ o entre patologia e gênero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Relaça˜ o entre a numeraça˜ o da coluna com a medida acústica . . . . . . . . . . . . Resultados redes neurais, entrada não-normalizada, configuraça˜ o direta . . . Combinaço˜ es k, redes neurais, entrada não-normalizada, configuraça˜ o direta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Participaça˜ o das medidas acústicas, individualmente, em relaça˜ o aos melhores resultados obtidos pela configuraça˜ o direta. . . . . . . . . . . . . . . . . . . . Participaça˜ o das medidas acústicas, individualmente, em relaça˜ o aos piores resultados obtidos pela configuraça˜ o direta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada não normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 3 entradas. A sa´ıda e´ composta de uma classificaça˜ o de vozes classificadas como normais ou como patológicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada não normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 3 entradas. A sa´ıda e´ composta de uma classificaça˜ o de vozes classificadas como normais ou como patológicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada não normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas. A sa´ıda e´ composta de uma classificaça˜ o de vozes classificadas como normais ou como patológicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada não normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas. A sa´ıda e´ composta de uma classificaça˜ o de vozes classificadas como normais ou como patológicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas. A sa´ıda e´ composta de uma classificaça˜ o de vozes classificadas como normais ou como patológicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas. A sa´ıda e´ composta de uma classificaça˜ o de vozes classificadas como normais ou como patológicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas. A sa´ıda e´ composta de 23 classificaço˜ es diferentes, podendo ser classificada. 35 37 40 44 62 68 73 74 76 77 78. 79. 80. 81. 82. 83. 84.

(12) TABELA 19 –. TABELA 20 –. TABELA 21 –. TABELA 22 –. TABELA 23 –. TABELA 24 –. TABELA 25 –. TABELA 26 – TABELA 27 – TABELA 28 –. como normal ou como qualquer uma das 22 patologias poss´ıveis listadas neste trabalho. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas. A sa´ıda e´ composta de 23 classificaço˜ es diferentes, podendo ser classificada como normal ou como qualquer uma das 22 patologias poss´ıveis listadas neste trabalho. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas. A sa´ıda e´ composta de 22 classificaço˜ es diferentes, neste caso as amostras classificadas como vozes normais foram exclu´ıdas, portanto a classificaça˜ o a ser feita e´ de uma patologia em relaça˜ o a todas as outras. . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas. A sa´ıda e´ composta de 22 classificaço˜ es diferentes, as vozes normais foram exclu´ıdas, restando a classificaça˜ o entre todas as patologias. . . . . . . . . . . . . . Resultados encontrados para uma rede neural com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas utilizando a técnica de re-amostragem. A sa´ıda e´ composta de 23 classificaço˜ es diferentes constitu´ıdas de voz normal e 22 patologias. . . . . . . Resultados encontrados para uma rede neural com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas utilizando a técnica de re-amostragem. A sa´ıda e´ composta das 23 classificaço˜ es individualizadas constitu´ıdas de voz normal e 22 patologias. Resultados encontrados para uma rede neural com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas utilizando a técnica de re-amostragem, com a combinaça˜ o dos resultados de duas redes neurais que utilizaram 30 e 40 neurônios na camada oculta. A sa´ıda e´ composta de 23 classificaço˜ es diferentes constitu´ıdas de voz normal e 22 patologias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resultados encontrados para as redes neurais com a entrada normalizada utilizando-se o método de reduça˜ o de variáveis, PCA, com 6 entradas. A sa´ıda e´ composta de 23 classificaço˜ es diferentes, podendo ser classificada como normal ou como qualquer uma das 22 patologias poss´ıveis listadas neste trabalho. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lista dos 10 melhores e os 10 piores resultados do classificador SVM . . . . Tabela com as porcentagens encontradas para cada um dos valores PCA . . Comparaça˜ o entre as medidas acústicas utilizadas nas duas melhores configuraço˜ es, utilizando a configuraça˜ o direta, de sa´ıda normal ou patológica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 85. 86. 87. 88. 89. 90. 91. 92 93 93. 98.

(13) ´ SUMARIO. ˜ 1 INTRODUC ¸ AO .............................................................. ˜ DO PROBLEMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 DESCRIÇAO ˜ 1.2 MOTIVAÇAO ............................................................... ˜ BIBLIOGRAFICA ´ 1.3 REVISAO ................................................. 1.4 OBJETIVOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.2 Objetivos Espec´ıficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ DO TRABALHO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5 ORGANIZAÇAO 2 LARINGE E PATOLOGIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 A VOZ HUMANA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 PATOLOGIAS DE LARINGE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ ANTERIOR-POSTERIOR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 CONSTRIÇAO 3.2 CURVATURA DAS PREGAS VOCAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ 3.3 DISFONIA DE CONVERSAO ................................................ 3.4 CISTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5 REFLUXO LARINGO-FARÍNGEO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6 GRANULOMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.7 HEMILARINGECTOMIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ 3.8 HIPERFUNÇOES ............................................................ 3.9 LEUCOPLASIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.10 PAPILOMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.11 PARALISIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.12 PARESIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.13 PRESBIFONIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.14 EDEMA DE REINKE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.15 CICATRIZES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ 3.16 DISFONIA ESPASMODICA .................................................. ˜ VENTRICULAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.17 COMPRESSAO 3.18 FADIGA VOCAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ 3.19 POLIPO NAS PREGAS VOCAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ 3.20 NODULOS VOCAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.21 TREMOR VOCAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ 4 MEDIDAS ACUSTICAS ...................................................... ˆ 4.1 FREQUENCIA FUNDAMENTAL (PITCH) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 TEMPO FUNDAMENTAL (T0 ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˆ 4.3 FREQUENCIA FUNDAMENTAL MAIS ALTA (FHI ) . . . . . . . . . . . . . . . . . . . . . . . . . . . ˆ 4.4 FREQUENCIA FUNDAMENTAL MAIS BAIXA (FLO ) . . . . . . . . . . . . . . . . . . . . . . . . . ˜ (STD) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5 DESVIO PADRAO ´ ˜ DA FREQUENCIA ˆ 4.6 EXTENSAO FUNDAMENTAL FONATORIA EM SEMI-TONS. 14 14 18 19 22 22 23 23 25 25 33 36 38 38 39 39 40 41 42 42 43 43 44 44 45 45 46 46 47 47 47 48 49 50 50 50 51 51. (PFR) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 4.7 TEMPO DA AMOSTRA (TSAM) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.

(14) 4.8 JITTER ABSOLUTO (JITA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.9 PORCENTAGEM DE JITTER (JITT) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ MEDIA ´ 4.10 PERTURBAÇAO RELATIVA (RAP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ DO PERÍODO DE PITCH (PPQ) . . . . . . . . . . . . 4.11 QUOCIENTE DE PERTURBAÇAO ˜ DA FREQUENCIA ˆ 4.12 VARIAÇAO FUNDAMENTAL (V F0 ) . . . . . . . . . . . . . . . . . . . . . . . 4.13 SHIMMER (SHDB) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.14 PORCENTAGEM DE SHIMMER (SHIM) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ DA AMPLITUDE (APQ) . . . . . . . . . . . . . . . . . . . 4.15 QUOCIENTE DE PERTURBAÇAO ˜ 4.16 VARIAÇAO DE PICO DA AMPLITUDE (VAM) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˆ ˜ RUÍDO-HARMONICO 4.17 RELAÇAO (NHR) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ ˆ 4.18 INDICE DE TURBULENCIA DA VOZ (VTI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ 4.19 ÍNDICE FONETICO SUAVE(SPI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 CLASSIFICADORES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 REDES NEURAIS ARTIFICIAIS (RNA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ 5.2 MAQUINAS DE VETORES SUPORTE (MVS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ 5.3 MATRIZ CONFUSAO ....................................................... ´ DE COMPONENTES PRINCIPAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4 ANALISE ´ 6 MATERIAIS E METODOS ................................................... 6.1 O BANCO DE DADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 REDES NEURAIS ARTIFICIAIS - RNA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ 6.3 MAQUINAS DE VETORES DE SUPORTE - SVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ DAS REDES NEURAIS . . . . . . . . . . . . . . . . . . 7.1 RESULTADOS OBTIDOS ATRAVES 7.1.1 Resultados da Rede Neural: Análise da Voz Normal e Patológica - configuraça˜ o. 52 52 52 53 53 53 54 54 54 54 55 55 56 56 60 62 64 67 67 68 69 72 72. direta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 7.1.2 Resultados da Rede Neural: Análise da Voz Normal vs Patológica - Método de Reduça˜ o de Variáveis (PCA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ DAS MAQUINAS ´ 7.2 RESULTADOS OBTIDOS ATRAVES DE VETORES SUPORTE ˜ 8 DISCUSSAO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ ................................ 8.1 MELHORES MEDIDAS DE CLASSIFICAÇAO ˜ 8.2 MELHOR CONFIGURAÇAO DE RECONHECIMENTO DE UMA VOZ ´ PATOLOGICA ............................................................... ˜ 8.3 MELHOR CONFIGURAÇAO DE RECONHECIMENTO ENTRE AS. 77 91 94 95 97. PATOLOGIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 ˜ ´ 8.4 COMPARAÇAO ENTRE REDES NEURAIS E MAQUINAS DE VETORES SUPORTE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 8.5 COMPARATIVO DE DESEMPENHO COM OS TRABALHOS . . . . . . . . . . . . . . . . . . 99 ˜ 9 CONCLUSAO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 9.1 TRABALHOS FUTUROS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 ˆ REFERENCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105.

(15) 14. 1. ˜ INTRODUC ¸ AO. Este cap´ıtulo abordará a descriça˜ o do problema, a motivaça˜ o, as contribuiço˜ es encontradas, os objetivos e a organizaça˜ o proposta neste trabalho. 1.1. ˜ DO PROBLEMA DESCRIÇAO A comunicaça˜ o humana e´ a mais complexa e variada de todas as comunicaço˜ es. existentes entre os seres vivos. Ela pode ser transmitida de diferentes formas e maneiras. A escrita, os sinais, os gestos e a fala são exemplos que foram fundamentais para que os homens pudessem se comunicar com os outros, explicar suas ideias e descobertas e deixar tudo isso se tornar história a cada dia. Por meio da comunicaça˜ o foi criado o molde da sociedade de hoje. Dentre todas as formas de comunicaça˜ o, a mais fácil e rápida e´ a fala. Os bebês, ouvindo os tão variados e até então desconhecidos sons, consegue reconhecer a voz de sua mãe e de seu pai, se este também tinha como hábito “conversar” com ele mesmo que ainda estivesse se desenvolvendo no ventre de sua mãe. Ele sabe identificar emoço˜ es pelo tom de voz das pessoas e por volta dos 4 meses tenta sua primeira comunicaça˜ o balbuciando sons onde tenta imitar o que escuta. Enquanto cresce, desenvolve sua fala de maneira extremamente acelerada e próximo de 1 ano e meio já iniciam sua comunicaça˜ o pela fala e durante toda sua vida, o principal meio de comunicaça˜ o será a sua voz. Porém, com o passar do tempo, a sociedade também se modifica e hoje há vários fatores que prejudicam a fala. Hábitos como utilizar fumo e tabaco fazem com que as inúmeras substâncias tóxicas e agressivas presentes na fumaça agrida todos os o´ rgãos presentes no sistema respiratório, particularmente as “cordas vocais” (ou “pregas vocais”) causando irritaço˜ es, pigarros, tosse e edemas (inchaços). A ingestão de a´ lcool e´ outro fator que prejudica a fala. A sensaça˜ o de ardência e queimaça˜ o na região da laringe e do aspecto de voz rouca e fraca nos indiv´ıduos que a ingerem são resultantes de abusos vocais que não foram devidamente percebidos devido a` atenuaça˜ o da sensibilidade devido a` aça˜ o anestésica do a´ lcool na laringe e faringe. Fatores como a utilizaça˜ o de drogas, a permanência em locais que possuam ar condicionado e.

(16) 15. não constantemente renováveis ou que possuam objetos alérgicos também prejudicam a fala (RODRIGUES et al., 2011). Contudo, o hábito de se forçar a voz para que ela se sobressaia em locais onde haja muitos ru´ıdos e barulhos, cada vez mais intensos e frequentes em nossa sociedade, são fatores que podem fazer com que a laringe tenha algum tipo de lesão ou patologia (RODRIGUES et al., 2011). Pessoas que utilizam a voz constantemente, como por exemplo professores, cantores, atendentes de telemarketing e palestrantes necessitam que sua laringe esteja sempre bem, porém nem sempre isto e´ poss´ıvel (RODRIGUES et al., 2011). Quando percebem que há algum problema com sua voz, e´ necessário que busquem aux´ılio médico o quanto antes pois uma patologia encontrada com antecedência e´ mais fácil de ser tratada. Muitas das vezes e´ necessário que um fonoaudiólogo e um médico otorrinolaringologista trabalhem em conjunto para uma recuperaça˜ o mais rápida e eficaz. Os principais sinais de alteraça˜ o da voz são (FRIAN, 2012): • Falhas na voz durante as conversaço˜ es do dia-a-dia; • Voz rouca por vários dias; • Voz mais rouca na sexta-feira e de boa qualidade após o descanso no fim de semana; • Muito cansaço (fadiga) vocal; • Diminuiça˜ o do volume da voz, gerando esforço para conseguir falar um pouco mais alto ou gritar; • Voz mais grave (grossa) do que no in´ıcio da profissão; • Dificuldades em cantar; • Pigarro constante (necessidade de raspar a garganta); • Dor ou desconforto na a´ rea do pescoço; • Tosse seca persistente; • Ardência na garganta; • Sensaça˜ o de corpo estranho (“bolo”) na garganta. Ao se consultar com um médico otorrinolaringologista, o paciente será questionado a respeito de seus hábitos cotidianos como, por exemplo, se ingere bebida alcoólica e em que.

(17) 16. frequência, se fuma ou fumava e se costuma ou necessita falar alto e por bastante tempo, pode ser questionado ainda se faz uso de algum medicamento controlado, se há casos de câncer na fam´ılia, entre outros. Esta entrevista, que e´ feita pelo médico ao paciente e que tem por objetivo recuperar suas lembranças a respeito de sua patologia que o está afligindo, chama-se levantamento anamnático. Além disso, o paciente e´ informado a respeito de como será feito o exame de videolaringoscopia. Este exame e´ muito importante pois o médico pode verificar a região da hipofaringe, laringe e cordas vocais. O exame videolaringoscópico consiste na inserça˜ o, através da boca e garganta, de um laringoscópio, conforme mostra a figura 1.. Figura 1: Foto de um laringoscópio utilizado nos exames de videolaringoscopia. Basicamente este aparelho e´ formado por uma fibra r´ıgida acoplada a uma fonte de luz e que possui uma micro-câmera em sua ponta. Ele deve ser posicionado de modo que o médico possa visualizar a laringe do paciente por completo. Por meio de um monitor, as imagens geradas são suficientemente grandes para que o médico possa ver os detalhes anatômicos da laringe do paciente. A continuaça˜ o do exame consiste em solicitar ao paciente que sustente alguns sons vocálicos por algum tempo ou diga frases que trabalham bem com a laringe. Contudo este exame não e´ tão fácil de ser realizado. Nas crianças por exemplo, se elas não forem bastante colaborativas, e´ muito dif´ıcil para o profissional realizar o exame laringoscópico de maneira adequada. Além disso, mesmo com a aplicaça˜ o de uma borrifada de Xyloca´ına na garganta, com o intuito de minimizar o efeito nauseante deste exame, muitas pessoas ainda continuam com uma sensibilidade muito grande, sendo muito dif´ıcil, ou até mesmo imposs´ıvel, a sua realizaça˜ o. Uma opça˜ o e´ a utilizaça˜ o de um equipamento similar ao laringoscópio, mas que utiliza uma fibra flex´ıvel ao invés da r´ıgida, e que também possui uma fonte de luz e uma micro-câmera acopladas em sua ponta.. Este equipamento e´ o.

(18) 17. nasofibroscópio, conforme mostra a figura 2, que deve ser inserido pela narina do paciente. As náuseas podem não estar presentes, mas o desconforto continua grande ao paciente.. Figura 2: Foto de um nasofibroscópio utilizado nos exames de videonasofibroscopia.. Após a inserça˜ o de qualquer um dos dois aparelhos, o importante e´ que a câmera seja posicionada de modo que a laringe fique totalmente vis´ıvel e com boa qualidade de v´ıdeo ao médico. Com o exame visual de sua estrutura f´ısica, e´ solicitado ao paciente que digam uma frase simples, ou mantenham por determinado tempo alguns fonemas sustentados, popularmente conhecidos como “Diga: Ah!”. Ao se pronunciar a frase ou o termo vocálico, do ponto de vista acústico, há uma diferença de pressão entre o ar presente nos pulmões e o ar presente na boca que pode alterar as condiço˜ es auto-oscilatórias das pregas vocais, visto que esta possui um movimento naturalmente periódico quando vibra. Assim, e´ poss´ıvel afirmar que ao se visualizar alteraço˜ es no padrão vibratório há forte ind´ıcio de patologias neste o´ rgão. Um contratempo frequente e´ que, somado ao desconforto e aˆ nsia que já estão sentindo, alguns pacientes não conseguem pronunciar as frases, ou manter os sons vocálicos pelo per´ıodo suficiente para que os médicos possam ter uma boa avaliaça˜ o de suas laringes. Por vezes o instrumento precisa ser retirado para evitar as fortes náuseas e/ou desconforto e tudo deve ser novamente reiniciado. Partindo da hipótese de que a voz do paciente deve carregar informaço˜ es relativas a` condiça˜ o de sua laringe, neste trabalho pretende-se, através das mesmas fonaço˜ es usadas nesses exames, analisar os sinais do fonema e da fala e diagnosticar automaticamente a condiça˜ o da laringe, identificando (caso existam) as patologias que a afligem. Como resultado secundário, mas de importância cl´ınica, podem ser empregadas métricas extra´ıdas do sinal da fala objetivando acompanhamento da evoluça˜ o no tratamento de cada um dos pacientes..

(19) 18. 1.2. ˜ MOTIVAÇAO Duas são as principais motivaço˜ es deste trabalho. Além de buscar um exame onde o. paciente tenha o m´ınimo de desconforto poss´ıvel para ser diagnosticado corretamente acerca da patologia que possui, há um grande interesse em contribuir com mais uma ferramenta que faça uma interaça˜ o entre engenharia e medicina. Profissionais de saúde utilizam o seu conhecimento prático e suas percepço˜ es sensoriais adquiridos durante os seus vários anos atuando em determinada a´ rea cl´ınica. Seu tato, visão e audiça˜ o permitem-no identificar de maneira particular, e por vezes sutil, anormalidades na saúde de seu paciente. Profissionais mais inexperientes necessitam de um melhor embasamento e, por conseguinte, de um maior tempo para alcançarem o mesmo diagnóstico dado pelo especialista mais antigo de profissão. Porém, conclusões iguais nem sempre acabam em resultados iguais, uma patologia mais severa necessita de uma rápida identificaça˜ o; um atraso pode custar até a vida do paciente. Neste sentido, a engenharia vem atuando na a´ rea médica desenvolvendo equipamentos, técnicas e novas tecnologias que são capazes de suprir esta diferença entre os profissionais de uma mesma a´ rea. Isto e´ poss´ıvel, pois estes equipamentos tratam de sinais ou dados extra´ıdos dos pacientes que são classificados quantitativamente e que, por conta disso, sempre alcançam o mesmo resultado. Ao se analisar um consultório cl´ınico ou um hospital, e´ poss´ıvel ver que há vários aparelhos que contribuem para que a medicina atual haja de forma mais rápida, eficaz e confiável. Raios-X, tomógrafos e ressonância magnética são alguns exemplos de aparelhos que auxiliam nos diagnósticos de vários pacientes sem a necessidade de métodos invasivos ou intervenço˜ es cirúrgicas. Da mesma forma, há vários aparelhos que podem ser utilizados para medir o desempenho e funcionamento de o´ rgãos do corpo humano como e´ o caso do eletroencefalograma, que auxilia o profissional da medicina a avaliar a atividade cerebral de seu paciente, ou o eletrocardiograma, que monitora a sua pulsaça˜ o card´ıaca, dentre outros que contribuem com a medicina de uma ou outra forma. Como resultado indireto deste trabalho e´ esperado que um método surja como apoio ao diagnóstico seguro para identificaça˜ o de patologias de laringe. Espera-se com isso, que vários pacientes que possuem patologias que possam ser classificadas como não graves possam rapidamente ser diagnosticados sem a necessidade da presença do especialista e ter o seu tratamento iniciado o quanto antes, e aqueles que sejam identificados pelo novo método como portadores de patologias mais graves sejam encaminhados para uma equipe mais especializada.

(20) 19. neste tipo de tratamento, fazendo com que haja uma melhor utilizaça˜ o dos médicos especialistas da a´ rea de otorrinolaringologia. 1.3. ˜ BIBLIOGRAFICA ´ REVISAO Inicialmente serão abordadas algumas das principais medidas acústicas que servirão. como base de toda a análise feita neste trabalho. A primeira medida acústica a ser descrita e´ a frequência fundamental ( f0 ) que e´ definida como a taxa de vibraça˜ o das pregas vocais. A vibraça˜ o periódica na glote produz uma fonaça˜ o quase perfeita devido aos movimentos do trato vocal que filtram a onda sonora glótica. Porém, a própria vibraça˜ o glotal pode ter aperiodicidades na amplitude, frequência ou forma de onda em suas fases de ciclo aberta e fechada (KAWAHARA, 2002). Dada a importância do seu cálculo (que e´ usado para quantificar diretamente jitter, shimmer e outras medidas acústicas), diversos autores propuseram métodos para seu cálculo ((ROSS et al., 1974), (RESCH et al., ¨ 2007), (HU; WANG, 2010), (ZOLZER et al., 2012), dentre outros). O jitter e´ uma medida de perturbaça˜ o em torno do parâmetro f´ısico de frequência, neste estudo este parâmetro e´ identificado como medida acústica. O jitter indica a variaça˜ o de f0 medida entre ciclos glóticos vizinhos (CUNHA, 2008). Considerando a magnitude da dispersão das perturbaço˜ es ciclo-a-ciclo foi descrita a fórmula que descreve o jitter médio que será apresentada no cap´ıtulo de medidas acústicas (HORII, 1979). Um pouco depois, foi empregada a medida conhecida como taxa de jitter para evitar que ocorresse uma reduça˜ o do jitter médio caso houvesse um aumento de f0 (HORII, 1979). Seguindo uma abordagem semelhante foi descrito o jitter relativo (MURRY; DOHERTY, 1980). Considerando a relaça˜ o entre frequência fundamental e medida de perturbaça˜ o, considerou-se o uso de medidas de frequência em semi-tons (HONJO; ISSHIKI, 1980). Dessa forma determina-se a média da variaça˜ o em semi-tons da frequência fundamental a cada per´ıodo. Constatou-se que valores acima de um semi-tom caracterizam-se por elevada disfonia (ROSA, 1998). Alteraço˜ es lentas no per´ıodos de pitch em fala sustentada não estão relacionados com patologias porém podem elevar as medidas de jitter e shimmer, para evitar que estes efeitos acústicos indiquem falsamente uma disfonia, foi criada uma medida acústica relacionada a` perturbaça˜ o média relativa (RAP) empregando uma janela de 3 amostras (KOIKE, 1973), enquanto que uma outra medida foi criada com o nome de quociente de perturbaça˜ o do per´ıodo de pitch (PPQ), que utiliza uma janela de 11 amostras e mais tarde esta medida também.

(21) 20. foi aplicada sobre a amplitude ciclo-a-ciclo sendo chamada de quociente de perturbaça˜ o da amplitude (APQ) utilizando uma janela de 5 amostras (TAKAHASHI; KOIKE, 1976). Buscouse estabelecer a fundamentaça˜ o matemática destas medidas para a discriminaça˜ o de patologias e grupo de controle normal (DAVIS, 1979) e (KOIKE et al., 1977). O shimmer refere-se a uma perturbaça˜ o da frequência fundamental relacionada a` amplitude da onda sonora ou a` intensidade da emissão vocal. O valor do shimmer e´ sens´ıvel a` reduça˜ o da resistência glótica e lesões de massa nas pregas vocais (WERTZNER et al., 2005). Pode-se ainda dizer que o shimmer mede a instabilidade da onda lar´ıngea, usualmente medida como a variaça˜ o na amplitude de ciclos sucessivos (SADER; HANAYAMA, 2004). A razão harmônico-ru´ıdo baseia-se no fato em que a onda acústica de uma vogal sustentada consiste em um componente periódico e de um ru´ıdo branco. O ru´ıdo branco e´ aquele que possui sua potência distribu´ıda de maneira uniforme no espectro da frequência, possuem distribuiça˜ o gaussiana e valor médio nulo. Quando a razão harmônico-ru´ıdo e´ menor que 7,4dB, a voz e´ considerada como patológica, baseada na distribuiça˜ o HNR para vozes normais (YUMOTO et al., 1982). Agora que as principais medidas acústicas já foram exploradas, serão descritos os métodos já utilizados para se encontrar uma patologia de laringe. Atualmente existem várias abordagens diferentes com o objetivo de identificar as patologias de laringe que analisam apenas os sinais de voz do paciente. Uma destas abordagens enfatiza a previsibilidade dos sinais de voz utilizando um método de decomposiça˜ o e a transformada wavelet.. A transformada wavelet pode ser. compreendida mais facilmente se imaginarmos que e´ uma modificaça˜ o da transformada de Fourier, diferenciando-se dela por fornecer resultados mais espec´ıficos, pois seus sinais possuem duraça˜ o finita e restrita no intervalo de uma janela. Já no caso das transformadas de Fourier, o sinal padrão são senóides que, pela teoria, tem duraça˜ o infinita no dom´ınio do tempo. Esta técnica utiliza um banco de filtros que irá decompor o sinal de voz do paciente em várias bandas de frequência diferentes para que cada parcela deste sinal possa ser melhor analisada. Posteriormente todas as parcelas deverão reconstruir o sinal de voz original. Se a comparaça˜ o do sinal original com o reconstru´ıdo for perfeita, a análise cumpriu seu objetivo (SCALASSARA, 2009). A utilizaça˜ o da transformada wavelet mostrou-se bastante promissora visto que possui relaça˜ o direta com o aumento das perturbaço˜ es, ou seja, quanto maior o n´ıvel de perturbaço˜ es no sinal, menor será a sua previsibilidade. Em outras palavras, ela mostrou-se sens´ıvel aos parâmetros de HNR (Relaça˜ o Harmônico-Ru´ıdo), jitter (perturbaça˜ o da frequência do sinal) e shimmer (perturbaça˜ o da amplitude do sinal), parâmetros que rotineiramente mostram-se.

(22) 21. alterados quando vozes saudáveis são comparadas a vozes patológicas. Uma segunda abordagem capaz de distinguir as vozes saudáveis das patológicas utiliza uma variaça˜ o do conceito de entropia de Shannon, o conceito de Kullback-Leibler. Com ele e´ poss´ıvel encontrar uma entropia relativa de duas funço˜ es de densidade de probabilidade que seguem o modelo proposto por Parzen (SANTOS; SCALASSARA, 2012). Este método também mostrou-se eficiente porém requer uma escolha adequada de parâmetros de geraça˜ o da janela de Parzen. Outra abordagem e´ análise dos parâmetros do sinal de voz dos pacientes. Nesta abordagem os valores referentes a` frequência fundamental, f0 , jitter e shimmer devem ser ˜ et al., 2011). Os autores apresentaram tabelas que previamente conhecidos (FRAZAO mostraram, de forma estat´ıstica, a influência de cada um destes parâmetros em vozes categorizadas como saudáveis ou que apresentem edema de Reinke (inchaço das pregas vocais verdadeiras causada por acúmulo de l´ıquido em sua camada superficial), paralisia (podendo ser unilateral ou bilateral nas pregas vocais) ou tenham nódulos vocais 2 (lesões benignas causadas pelo uso excessivo da vozes ou hábitos vocais inadequados). Em outro trabalho, a Transformada Wavelet Discreta (DWT), os Coeficientes de Prediça˜ o Linear (LPC) e a utilizaça˜ o de Máquinas de Vetores de Suporte por M´ınimos Quadrados (LS-SVM) foram técnicas empregadas que apresentaram uma precisão de 90% na classificaça˜ o (FONSECA, 2008). Um outro estudo também utilizou a Transformada Wavelet Packet, mas neste caso foi associado o algoritmo Best Basis, um método de seleça˜ o que encontra a melhor base de um conjunto de funço˜ es poss´ıveis (PARRAGA, 2002). Esse trabalho apresentou um erro de 23,07% na classificaça˜ o para falsos positivos e de 14,58% para os classificados como falsos negativos. Também houve estudos baseados na teoria não-linear, que utilizaram medidas caóticas para a classificaça˜ o dos sinais de voz em voz normal ou patológica.. Nesse trabalho, o. classificador utilizado foi baseado em Redes Neurais. Por haver 2 bancos de vozes, houve dois tratamentos diferenciados: no primeiro banco haviam amostras de vozes normais e 3 n´ıveis de vozes patológicas, o classificador obteve uma taxa de acerto de 82,47%, no segundo banco, haviam amostras classificadas somente em normais e patológicas e o classificador obteve 99,69% (HENRÍQUEZ et al., 2009). Outro estudo valeu-se da técnica de análise discriminante utilizando funço˜ es lineares e quadráticas, com validaça˜ o cruzada ao considerar um intervalo de 95% de confiança. Nesse trabalho, ao serem combinadas medidas de análise não linear com medidas de quantificaça˜ o de recorrência, a acurácia encontrada foi acima de 94,75% na comparaça˜ o entre voz saudável.

(23) 22. e com edemas e entre saudáveis e nódulos, acima de 95,44% se comparadas vozes normais e patológicas e 100% com as vozes normais comparadas a` s vozes com paralisia. Nesse mesmo estudo, foram utilizados vetores h´ıbridos formados por medidas de análise não linear, medidas de quantificaça˜ o de recorrência e por análise preditiva linear encontrando taxas de acurácia acima de 95% nas classificaço˜ es entre vozes com paralisia e com edemas; resultados acima de 97,9% se comparadas vozes com edema e com nódulos e acima de 98.2% se comparadas vozes com paralisia e vozes com nódulos (COSTA, 2012). A técnica de análise de quantificaça˜ o de recorrência também foi utilizada para avaliar os distúrbios de voz. De um modo geral, esta técnica consiste em uma análise subjetiva dos chamados gráficos de recorrência aliada ao método de análise objetiva das medidas de quantificaça˜ o de recorrência.. Um gráfico de recorrência e´ um gráfico bidimensional,. representados por uma matriz quadrada de ordem N, preenchida por pontos pretos, chamados de ponto recorrente, que são coordenadas i e j em que a distância entre o estado corrente do sistema e o estado a ser comparado e´ menor que o raio, previamente estabelecido, no centro do estado corrente, e por pontos brancos onde esta distância e´ maior que este raio. Através destes gráficos, e´ poss´ıvel avaliar o comportamento de sistemas dinâmicos unidimensionais ou multidimensionais, pois eles revelam as propriedades dinâmicas destes sistemas, ou seja, ele mostra se há ou não um retorno do sistema analisado na trajetória do espaço de fase (VIEIRA, 2014). Para o presente trabalho foi utilizado o máximo de patologias e informaço˜ es dispon´ıveis no banco de dados utilizado.. Não houve critérios que separasse grupos de. determinadas patologias, ou determinadas medidas acústicas. O resultado foi um total de 957 vozes discriminadas dentre 23 tipos diferentes de patologias, onde foram utilizadas 19 medidas acústicas fornecidas pelo próprio banco de dados, nenhuma medida acústica foi criada. 1.4 1.4.1. OBJETIVOS OBJETIVO GERAL Este trabalho tem como objetivo minimizar o desconforto dos pacientes que tiverem. que fazer o exame de videolaringoscopia identificando um método robusto, alternativo e não invasivo de se classificar uma voz patológica. Além disso pretende-se propor uma ideia onde possa ser utilizado um método alternativo no setor de endoscopia per-oral do Hospital de Cl´ınicas da UFPR como forma de otimizar o atendimento aos pacientes vindos da comunidade..

(24) 23. OBJETIVOS ESPECÍFICOS. 1.4.2. Pretende-se definir um método que consiga identificar, por meio da extraça˜ o de caracter´ısticas intr´ınsecas dos sinais de voz do paciente, se este e´ portador de alguma patologia de laringe e, se poss´ıvel, classificar dentre as várias doenças existentes, qual o aflige. Será utilizado um banco de dados de vozes patológicas fornecidos pela Kay Elemetrics Corporation e que foi disponibilizado em 1994 para que a comunidade cient´ıfica pudesse utilizá-lo em seus estudos. O principal objetivo de se utilizar este banco de dados e´ ter meios de comparaça˜ o de resultados, visto que ele foi largamente utilizado em outros trabalhos. Assim a robustez dos dois classificadores que serão usados pode ser analisada e comparada, podendo reconhecer qual deles, MVS (Máquinas de Vetores Suporte) ou RNA (Redes Neurais Artificiais), e´ o mais confiável. 1.5. ˜ DO TRABALHO ORGANIZAÇAO Este trabalho está dividido em 8 cap´ıtulos. Neste primeiro cap´ıtulo apresentou-se uma. introduça˜ o acerca dos assuntos que serão abordados em todo o restante do estudo. No cap´ıtulo 2 há uma descriça˜ o simplificada de como funciona a voz humana; em seguida e´ mostrado um pouco da anatomia da laringe, principal o´ rgão responsável pela voz, como as suas cartilagens e músculos. Depois são explicados alguns passos comuns que a literatura indica aos fonoaudiólogos ou médicos otorrinolaringologistas para uma melhor compreensão dos sintomas e melhor assertividade no diagnóstico no tratamento de pacientes e por fim são listadas algumas patologias de laringe que foram identificadas no banco de vozes analisado. No cap´ıtulo 3 são descritas as medidas acústicas contidas no banco de dados utilizado, para uma melhor compreensão do que foi observado no momento em que este banco foi criado e os resultados que foram obtidos por este estudo. O cap´ıtulo 4 descreve os dois classificadores utilizados neste estudo: o primeiro classificador e´ baseado nas Redes Neurais Artificiais de Múltiplas Camadas Perceptron, enquanto que o segundo classificador utilizado foram as Máquinas de Vetores de Suporte. No cap´ıtulo 5 os materias e métodos são descritos. Aqui o banco de dados utilizado no trabalho e´ descrito, bem como os métodos propostos para uso de cada um dos classificadores usados. O cap´ıtulo 6 mostrará os resultados encontrados para cada um dos métodos, levando.

(25) 24. em consideraça˜ o a associaça˜ o feita ao classificador. No cap´ıtulo 7 e´ mostrada a discussão acerca dos resultados encontrados. Uma análise comparativa entre os métodos propostos e entre os classificadores apresentados. O cap´ıtulo 8 discorrerá acerca da conclusão deste trabalho, avaliando os problemas enfrentados, sugerindo alternativas aos que não puderam ser sanados neste estudo e os pontos fortes encontrados no decorrer das análises, testes e resultados..

(26) 25. 2. LARINGE E PATOLOGIAS. Este cap´ıtulo descreve inicialmente a anatomia e fisiologia da laringe para ajudar na compreensão dos elementos envolvidos na produça˜ o de fala e indicar como alteraço˜ es nesses elementos podem afetar a voz produzida.. 2.1. A VOZ HUMANA Os sons do ponto de vista da f´ısica são ondas mecânicas e longitudinais que se. propagam através de um meio f´ısico; porém, quando este som refere-se a` capacidade humana de se comunicar, este conceito passa a ser muito mais complexo. Raymond H. Stetson, um dos primeiros estudiosos da fala, descreveu a fala como “speech is movement made audible” que significa “fala e´ movimento tornado aud´ıvel” (KENT; READ, 2015). O o´ rgão responsável pela emissão de sons e´ a laringe e essa e´ a funça˜ o mais complexa e especializada deste o´ rgão (ROSEN; SIMPSON, 2008). A figura 3 mostra, a` esquerda, uma ilustraça˜ o da Laringe com uma visão posterior e ao lado a laringe com uma visão em corte sagital.. Figura 3: Ilustraça˜ o da Laringe: (a) Visão anterior da laringe; (b) Corte sagital da visão posterior da laringe. (ZAGALO, 2015)..

(27) 26. A laringe e´ constitu´ıda de músculos que possuem formatos de dobras e são cobertos por membranas mucosas. Estes músculos são chamados de pregas vocais e o espaço que há entre as pregas vocais chama-se glote. Quando se está respirando, as pregas vocais são abertas para que o ar passe da melhor maneira poss´ıvel; já no processo de fala, as pregas vocais se fecham e iniciam um processo de vibraça˜ o. A figura 4 mostra um ciclo vibratório das pregas vocais capturados por meio de um estroboscópio.. Figura 4: A figura mostra um ciclo vibratório das pregas vocais capturado por estroboscópio. Figura retirada de (ROSEN; SIMPSON, 2008). As pregas vocais originam-se na superf´ıcie posterior da cartilagem da tireóide (glândula endócrina situada na frente da laringe, responsável pela secreça˜ o dos hormônios tireo´ıdeos e sob controle da hipófise), que fica próximo ao chamado pomo de Adão, passa pela parte posterior e se conecta a` s cartilagens aritenóides. Enquanto nas crianças metade do comprimento das pregas vocais e´ membranoso, nos adultos a parte membranosa representa dois terços de seu comprimento total. Cada prega vocal e´ constitu´ıda, em sua parte anterior, de um componente membranoso que e´ envolvido principalmente na fonaça˜ o, e, na parte posterior, de um componente cartilaginoso envolvido principalmente na respiraça˜ o. Portanto, dependendo da localizaça˜ o de uma patologia nas pregas vocais, ela pode interferir na parte fonatória e/ou na respiraça˜ o. A laringe possui cinco músculos intr´ınsecos pareados a ela que são responsáveis pela alteraça˜ o do comprimento, da tensão, da forma e da posiça˜ o espacial das pregas vocais. De modo tradicional, há três músculos que são categorizados como adutores (ou seja, aqueles.

(28) 27. responsáveis pela aproximaça˜ o das pregas vocais) e um abdutor (responsável pelo afastamento das pregas vocais e um músculo tensor). Os músculos adutores são:. o músculo lateral cricoaritenóideo, o músculo. tireoaritenóideo e o músculo interaritenóide. O músculo abdutor e´ o músculo cricoaritenóideo posterior. Já o músculo tensor e´ o músculo cricotireóideo. A figura 5 mostra as estruturas neuromusculares da laringe.. Figura 5: A ilustraça˜ o mostra as estruturas neuromusculares principais presentes na laringe. Figura retirada de (ROSEN; SIMPSON, 2008). O músculo cricoaritenóideo lateral quando contra´ıdo resulta em um movimento do processo anterolateral muscular, ao mesmo tempo que força o processo vocal e o baixo medial. Como resultado tem-se a aduça˜ o e o alongamento das pregas vocais. Este músculo e´ executado lateralmente e, na maior parte das vezes, paralelamente com o músculo tireoaritenóideo. O músculo tireoaritenóideo consiste em duas curvaturas musculares: uma interna e outra externa. As contraço˜ es de suas partes externas fazem com que o processo vocal seja trazido mais próxima da comissura anterior fazendo com que as pregas vocais sejam encurtadas e aduzidas. De outro lado, se as contraço˜ es forem feitas a partir de suas partes internas, as pregas vocais serão encurtadas e tornam-se mais espessas reduzindo as frequências de ressonância da laringe. Esta parte do músculo tireoaritenóideo também e´ conhecido como músculo vocal. O músculo interaritenóideo e´ constitu´ıdo de fibras transversais e obl´ıquas. A contraça˜ o deste músculo gera uma aduça˜ o aritenóide, o fechamento da glote posterior e o estreitamento da abertura da laringe..

(29) 28. O músculo posterior cricoaritenóideo quando contra´ıdo, desloca o processo muscular posteriormente e caudal fazendo com que o processo vocal mova-se para cima e de forma lateral, tendo como resultado a abduça˜ o. Este e´ o u´ nico músculo abdutor das pregas vocais e o principal responsável pela via aérea glótica. O músculo cricoriteóideo e´ um tensor da laringe. Ele e´ composto por duas curvaturas musculares separadas. Quando contra´ıdas, estas curvaturas afetam o movimento na articulaça˜ o cricotireóidea. Durante a contraça˜ o, o espaço cricotireóideo e´ estreitado, enquanto a lâmina posterior e as articulaço˜ es cricoaritenóideas são forçadas, resultando em um alongamento, um aperto e um estreitamento das pregas vocais, aumentando a frequência de ressonância, resultando em uma aduça˜ o das pregas vocais (ROSEN; SIMPSON, 2008).. Figura 6: A ilustraça˜ o mostra as estruturas cartilaginosas e fibrelásticas principais presentes na laringe. Figura retirada de (ROSEN; SIMPSON, 2008). Do ponto de vista histológico, que avalia a composiça˜ o e funça˜ o dos tecidos vivos, as pregas vocais são constitu´ıdas de cinco camadas diferentes. A figura 6 mostra a estrutura cartilaginosa e da laringe. A camada mais externa constitui-se de um epitélio escamoso fino e r´ıgido que e´ responsável por manter a forma das pregas vocais. A segunda camada e´ chamada de camada superficial da lâmina própria, ou espaço de Reinke, e e´ composta por uma matriz fibrosa solta com consistência gelatinosa mole. A terceira camada e´ a camada intermediária da lâmina própria e e´ composta principalmente de tecido elástico. A quarta camada e´ chamada de.

(30) 29. camada profunda da lâmina própria e e´ composta de fibras de colágeno mais densas que agem como um feixe que recobre o músculo vocal. A quinta camada compreende o músculo vocal (LUNDY; CASIANO, 1999). Há dois tipos diferentes de cartilagens encontradas na laringe, as hialinas e as elásticas. Enquanto que as primeiras podem sofrer processo de calcificaça˜ o com o passar do tempo, as elásticas não se calcificam. A partir dessas definiço˜ es anatômicas e fisiológicas, tratar-se-á do funcionamento da laringe. A figura 7 mostra de forma simplificada como e´ o caminho do ar até ser transformado em voz, enquanto a figura 8 mostra uma ilustraça˜ o de uma secça˜ o sagital média do aparelho vocal.. Figura 7: Foto esquemática que mostra o mecanismo da fala humana de forma simplificada (FRIAN, 2012).. Figura 8: A ilustraça˜ o mostra o trato vocal através de uma secça˜ o sagital média (MAIA, 2009).. No momento em que há somente a respiraça˜ o, as pregas vocais são bastante separadas.

(31) 30. facilitando a passagem de ar e ficando com um formato triangular. Já no momento em que há a produça˜ o da fala, estas pregas se aproximam umas das outras. A figura 9 ilustra, de modo simples este mecanismo.. Figura 9: A ilustraça˜ o mostra uma laringe normal quando aberta, somente respiraça˜ o, e como fica quando fechada, produzindo sons (FRIAN, 2012).. Isso ocorre porque elas são tracionadas pelos músculos estriados presentes no local. O ar proveniente do pulmão aumenta a pressão no local forçando as pregas a se abrirem. Neste momento a relaça˜ o de forças (elástica dos tecidos da laringe e aerodinâmica do ar) gera uma complexa vibraça˜ o e uma frequência fundamental e´ formada. Esta frequência fundamental depende do tamanho das pregas vocais e variam conforme descrito na figura 10. De acordo com a figura, as crianças, por possu´ırem pregas menores, possuem vozes mais agudas, ou seja, uma frequência mais alta, em média acima de 250Hz. Em seguida estão as mulheres com frequências que estão na faixa entre 150Hz a 250Hz. Por u´ ltimo estão os homens, que possuem as maiores pregas vocais e, portanto possuem frequência menores que podem alcançar até 150Hz em média. Porém, se todo o restante do sistema fonatório pudesse ser isolado e somente o som produzido pela passagem do fluxo de ar dos pulmões pela laringe pudesse ser ouvido, este som seria praticamente inaud´ıvel. O que faz com que o som gerado seja amplificado e modulado tornando-os intelig´ıveis e aud´ıveis aos ouvidos humanos, e´ um conjunto de cavidades da própria laringe em conjunto com as narinas, os seios paranasais e a boca, aliando assim a articulaça˜ o e a ressonância para compor a fonaça˜ o. Além de todo este conjunto, para a produça˜ o adequada do som várias estruturas mecânicas devem ser acionadas ao mesmo tempo. Com exemplo podemos citar uma respiraça˜ o adequada, que e´ essencial haver uma pressão subglótica suficientemente forte nos pulmões que consigam gerar uma força capaz de romper a força elástica das pregas vocais. Outro exemplo e´ o adequado controle das musculaturas da laringe que devem produzir, além do fechamento da glote, a correta tensão das pregas vocais e o seu tempo de abertura. Ou ainda a capacidade favorável de vibrar e flexionar os tecidos das pregas vocais. Uma vez que sejam atendidas tais.

(32) 31. Figura 10: A figura mostra a frequência média da voz humana relacionada a` idade e ao sexo. Quanto maior a prega vocal, mais grave e´ o som produzido pela sua fala (FRANCESCO, 2012).. condiço˜ es, o som e´ gerado adequadamente a partir da vibraça˜ o das pregas vocais. A passagem do fluxo de ar proveniente dos pulmões, gerando uma pressão subglótica suficientemente forte e capaz de vibrar as pregas vocais e´ demonstrada na ilustraça˜ o 11. Conforme a ilustraça˜ o, pode-se identificar 8 passos que completam o ciclo de uma passagem de som pelas pregas vocais (ROSEN; SIMPSON, 2008): 1. As pregas vocais estão completamente fechadas, porém há um aumento da pressão subglótica, representada pela seta; 2. Os lábios inferiores começam a se separar devido ao aumento da pressão subglótica; 3. Com o cont´ınuo aumento da pressão, apenas os lábios superiores estão em contato. Este e´ o limiar do bloqueio da passagem de ar pelas pregas vocais; 4. Um sopro de ar e´ liberado através das pregas vocais que, neste momento estão completamente separadas; 5. O fluxo de ar neste ponto e´ máximo. 6. Os lábios inferiores das pregas vocais iniciam seu fechamento devido a` s forças de Bernoulli associadas a` s forças de recolhimento elástico. 7. O fluxo de ar e´ reduzido, e os bordos inferiores são completamente aproximadas..

(33) 32. Figura 11: Ilustraça˜ o da propagaça˜ o da onda de ar proveniente dos pulmões, passando através das pregas vocálicas (ROSEN; SIMPSON, 2008).. 8. O fluxo de ar volta a ser interrompido devido ao fechamento das pregas vocais. Ondas sonoras produzidas pelas pregas vocais passam através de várias cavidades da faringe, oral e nasal, que alteram o som da onda que e´ emitido. As cavidades da faringe e nasal são fixas para cada indiv´ıduo e em grande parte moldam o som da voz. Elas não podem ser mudadas voluntariamente, mas um edema (inchaço) dos tecidos devido a uma inflamaça˜ o podem causar mudanças na voz. Mudanças na forma da cavidade oral através de movimentos da l´ıngua, maxila, palato mole e bochechas determinam sons espec´ıficos que são emitidos. A l´ıngua, palato e bochechas em particular, selecionam os sons desejados contidos na complexa onda periódica que e´ a voz..

(34) 33. 3. PATOLOGIAS DE LARINGE. Antes de serem descritos os distúrbios que afetam a voz, cabe uma breve explicaça˜ o sobre sua percepça˜ o. De uma forma mais abrangente, pode-se dizer que qualquer alteraça˜ o do sistema produtor da voz cujo resultado não seja o satisfatório ao paciente, pode ser considerado um distúrbio de voz. Vários são os sintomas descritos mas alguns deles podem ser (NYEE, 2015): • Rouquidão ou alteraça˜ o no tom, no timbre ou na qualidade da voz; • Fadiga vocal; • Falha ao se falar ou ao se cantar; • Dificuldade de alterar tons na fala ou no canto; • Desconforto ou sensaça˜ o de queimaça˜ o na garganta; • Sensaça˜ o que há alguma coisa parada na garganta; • Dificuldade em tornar a voz mais forte ou mais suave; • Falta de ar enquanto fala; • Voz trêmula ou in´ıcios e paradas abruptas de voz que o paciente tenha dificuldade em controlar • Percepça˜ o de ser necessário tossir ou limpar a garganta frequentemente; • Sensaça˜ o de aperto, desconforto ou uma queimaça˜ o na garganta. Vários aspectos externos a` laringe podem resultar em uma disfonia afetando as pregas vocais; portanto, além dos exames f´ısicos faz-se necessário o levantamento do histórico vocal do paciente.. Isso porque, somente com o exame f´ısico, mesmo utilizando instrumentos. sofisticados, a resposta que o médico procura nem sempre e´ direta. Com isso, as informaço˜ es.