Libro de Resúmenes / Book of Abstracts (Español/English)

Resumenes 162
Clasificación automática de voces patológicas
M. E. Torres y Gastón Schlotthauer
Laboratorio de Señales y Dinámicas no Lineales,
Facultad de Ingeniería, Univ. Nac. de Entre Ríos,
Ruta Prov. 11, Km 10, E3100HIB, Oro Verde, Entre Ríos, Argentina.
CC 47 Suc. 3 - E3100 Paraná, Entre Ríos, Argentina.
metorres@ceride.gov.ar, gschlotthauer@bioingenieria.edu.ar
Aun cuando la fonación normal y los desordenes de la voz pueden ser
distinguidos cualitativamente por el oído humano debidamente entrenado,
no existen en la actualidad sistemas que permitan realizar una
cuantificación y estimación de la distribución de los datos correspondientes
a las diferentes patologías. Este trabajo esta motivado por el interés clínico
puesto de manifiesto por los fonoaudiólogos y la necesidad de contribuir al
desarrollo de técnicas que se orienten en este sentido.
En el área de la fonoaudiología es de interés clínico determinar, en
primer lugar, si la fonación de un paciente es normal o patológica. Esta
tarea resulta más complicada cuando se necesita precisar la patología, dado
que en ciertos casos las voces de los pacientes suelen tener características
similares aunque con patologías diferentes. Un caso importante es
discriminar entre dos disfonías: disfonía por tensión muscular (muscular
tension disphonia, MTD) y disfonía espasmódica (spasmodic disphonia, SD).
La importancia yace en que los tratamientos para cada una de ellas son
totalmente diferentes, y solamente pocos especialistas altamente
entrenados pueden realizar un diagnóstico diferencial correcto. Las medidas
temporales clásicas, basadas en la variación de la frecuencia fundamental y
de la amplitud de períodos consecutivos de la señal de voz respectivamente,
resultan de ayuda para distinguir entre voces normales y patológicas, pero
no han sido suficientes para discriminar entre las disfonías arriba
mencionadas. En la actualidad no existen herramientas que permitan la
clasificación automática de estas patologías. Tal ausencia nos motivó a
desarrollar nuevas técnicas que resulten de utilidad en el diagnóstico
automático a partir del registro de la fonación de la vocal /a/ sostenida. En
el presente trabajo en primer lugar realizamos una clasificación entre voces
normales y patológicas. Posteriormente, procedemos a discriminar entre las
dos patologías de interés. Para este fin utilizamos diferentes parámetros
calculados a partir de la señal de voz. Estos son la fracción de señal
localmente no vocalizada, el grado de quiebre vocal, tres medidas distintas
de jitter (grado de variación de frecuencias fundamentales consecutivas de
la voz en vocales sostenidas), y tres medidas distintas de shimmer (grado
de variación de la amplitud de períodos consecutivos en vocales
sostenidos). Con estos parámetros construimos los patrones para
representar a cada uno de los pacientes. Se analiza el comportamiento
como reconocedor automático de patrones de redes neuronales y de
máquinas de soporte vectorial (support vector machines, SVM). Las redes
neuronales se entrenaron mediante diferentes métodos, obteniendo
resultados dependientes de tales métodos. En el caso de las SVMs se
estudia aquí su comportamiento para diferentes kernels. Los avances aquí
presentados indican una vía para el desarrollo de un método de diagnóstico