Rodrigues, Pedro Miguel de LuísBispo, Bruno CatarinoAlves, Marco António Reis2021-06-092021-06-092020-06-022020http://hdl.handle.net/10400.14/33532A fala é o meio de comunicação mais importante utilizado pelo Homem, demonstrando-se essencial para a sua vida profissional e social. A voz é um elemento da fala com forte impacto na sua qualidade, sendo utilizado para o despiste de diversas disfunções da laringe. O objetivo do presente trabalho consistiu no desenvolvimento de um algoritmo capaz de detetar e distinguir múltiplas patologias no sinal de fala vozeado, incluindo edema de Reinke, nódulos vocais e disfonias de origem neurológica. Assim, tendo em conta a discriminação entre pares de grupos de estudo, foi aplicada uma análise cepstral multibanda a sinais de fala vozeados, de forma a extrair características como coeficientes mel cepstrais, distâncias cepstrais, o período glotal e parâmetros energéticos. No processo de classifi- cação, as árvores de decisão, Support Vector Machines quadrático e K-nearest-neighbors cosseno e cúbico foram utilizados como classificadores em processo de leave-one-out cross validation. Os resultados demonstraram uma precisão de 74,20% na distinção entre edema de Reinke e nódulos vocais e 100% entre edema de Reinke e doenças neurológicas, doenças neurológicas e grupo de controlo, edema de Reinke e grupo de controlo, nódulos vocais e doenças neurológicas e ainda nódulos vocais e grupo de controlo. Foi ainda realizada uma análise entre os sujeitos do grupo de controlo e os sujeitos diagnosticados com patologias na laringe e neurológicas, tendo-se atingido 100% de precisão.Speech is the most important form of communication used by Man, being essential for professional and social life. The voice is a speech element with strong impact on its quality used to detect many larynx’s pathologies. The goal of the present work was to develop an algorithm that detect and distinguish multiple pathologies in voiced speech signals, including Reinke’s edema, vocal nodules and neurological pathologies. Thus, a multiresolution cepstral analysis was performed to voiced speech signals to extract features such as Mel-Frequency Cepstral Coefficients, cepstral distances, pitch period and energetic features. With regard to classification, decision trees, quadratic Support Vector Machines and cosine and cubic K-nearest-neighbors were used as classification methods in leave-one-out cross validation. The results showed an accuracy of 74,20% between Reinke’s edema and vocal nodules analysis and 100% between Reinke’s edema and neurological pathologies, neurological pathologies and control group, Reinke’s edema and control group, vocal nodules and neurological pathologies and also vocal nodules and control group. An overall analysis between the control group and those di- agnosed with laryngeal and neurological pathologies was also performed, reaching an accuracy of 100%.porFalaCepstroVozTransformada de aveletPatologias neurológicasPatologias vocaisSpeechCepstrumVoiceWavelet transformNeurological pathologiesVocal pathologiesmaster thesis202653080