Clasificación automática del grado general de disfonía

Mostrar todas las versiones(2)

El análisis audioperceptivo es una parte principal de la rutina de evaluación clínica de pacientes con trastornos de la voz para medir y registrar la calidad vocal. Esta valoración repercute en la detección y tratamiento de enfermedades vocales. GRBAS es una escala de valoración de cinco dimensio...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	García, Mario Alejandro
Otros Autores:	Destéfanis, Eduardo
Formato:	Tesis doctoral acceptedVersion
Lenguaje:	Español
Publicado:	Universidad Tecnológica nacional. Facultad Regional Córdoba 2022
Materias:	Inteligencia artificial Aprendizaje automático Aprendizaje profundo Redes neuronales Calidad vocal Disfonía
Acceso en línea:	http://hdl.handle.net/20.500.12272/5956
Aporte de:	RIA - Repositorio Institucional Abierto (UTN) de Universidad Tecnológica Nacional

id	I68-R174-20.500.12272-5956
record_format	dspace
institution	Universidad Tecnológica Nacional
institution_str	I-68
repository_str	R-174
collection	RIA - Repositorio Institucional Abierto (UTN)
language	Español
topic	Inteligencia artificial Aprendizaje automático Aprendizaje profundo Redes neuronales Calidad vocal Disfonía
spellingShingle	Inteligencia artificial Aprendizaje automático Aprendizaje profundo Redes neuronales Calidad vocal Disfonía García, Mario Alejandro Clasificación automática del grado general de disfonía
topic_facet	Inteligencia artificial Aprendizaje automático Aprendizaje profundo Redes neuronales Calidad vocal Disfonía
description	El análisis audioperceptivo es una parte principal de la rutina de evaluación clínica de pacientes con trastornos de la voz para medir y registrar la calidad vocal. Esta valoración repercute en la detección y tratamiento de enfermedades vocales. GRBAS es una escala de valoración de cinco dimensiones usualmente utilizada en este proceso, donde la dimensión “G” representa el grado general de disfonía. En este trabajo se desarrolla un modelo de aprendizaje profundo para calcular el grado general de disfonía en escala GRBAS con el propósito de contribuir a la comprensión y mejora de este tipo de modelos en el ámbito de la calidad vocal. La arquitectura de la red neuronal se definió a partir de dos versiones de un modelo llamado modelo inicial, creado en base a modelos más pequeños. Estos modelos neuronales pequeños, diseñados a partir del conocimiento del dominio del problema, se enfocan en resolver la representación frecuencial del audio, la extracción de características y la clasificación. Una de las versiones recibe el audio sin procesar como entrada y la otra recibe el cepstrograma. Los modelos fueron entrenados y evaluados con los datos de una base de datos pública que contiene audios y valoraciones en escala GRBAS, a los que se añadieron valoraciones de calidad vocal realizadas por un evaluador local. Las métricas utilizadas para evaluar los modelos de clasificación son la exactitud y el error absoluto medio. Debido a que las valoraciones audioperceptivas tienen un alto grado de variación entre distintos evaluadores médicos y también entre distintas valoraciones del mismo evaluador médico, se plantea que el rendimiento de los modelos automáticos se debe evaluar en relación al índice de concordancia medio interevaluador e intraevaluador de la base de datos. En base a los resultados obtenidos, por un lado se concluye que la versión del modelo que recibe el cepstrograma como entrada es capaz de predecir el grado general de disfonía, para los datos utilizados, con una exactitud cercana a la de un evaluador humano. Por otro lado, se concluye que una red neuronal profunda diseñada para reconocer patrones de perturbación de amplitud, perturbación de frecuencia y ruido, obtiene información útil para la predicción del grado general de disfonía, que para el diseño utilizado (donde la extracción de características está basada en el cepstrum) no es posible utilizar el audio sin procesar como entrada y que el modelo presentado es un buen punto de partida para futuros desarrollos de clasificadores de la calidad vocal aplicables en la práctica clínica.
author2	Destéfanis, Eduardo
author_facet	Destéfanis, Eduardo García, Mario Alejandro
format	Tesis doctoral acceptedVersion
author	García, Mario Alejandro
author_sort	García, Mario Alejandro
title	Clasificación automática del grado general de disfonía
title_short	Clasificación automática del grado general de disfonía
title_full	Clasificación automática del grado general de disfonía
title_fullStr	Clasificación automática del grado general de disfonía
title_full_unstemmed	Clasificación automática del grado general de disfonía
title_sort	clasificación automática del grado general de disfonía
publisher	Universidad Tecnológica nacional. Facultad Regional Córdoba
publishDate	2022
url	http://hdl.handle.net/20.500.12272/5956
work_keys_str_mv	AT garciamarioalejandro clasificacionautomaticadelgradogeneraldedisfonia
bdutipo_str	Repositorios
_version_	1764820552596324354

Clasificación automática del grado general de disfonía

Ejemplares similares