A Transparent Decision Support Tool in Screening for Laryngeal Disorders Using Voice and Query Data

Minelga, Jonas; Verikas, Antanas; Vaičiukynas, Evaldas; Gelžinis, Adas; Bačauskienė, Marija

doi:10.3390/app7101096

Cited by 2 publications

(6 citation statements)

References 32 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Os trabalhos que apresentam metodologias detalhadas foram aplicados em diversas áreas do conhecimento como por exemplo, sistemas de suporte à decisão (HONG et al, 2018;MINELGA et al, 2017;GAO et al, 2017a;, pesquisas relacionadas a mineração de dados nas nuvens e com dados oriundos da web (SHEU, 2018;ZHANG et al, 2018;SLAIMI et al, 2017;SHAHMOHAMMADI;KHADANGI;BAGHERI, 2016;LI-XIONG et al, 2015) SU, 2017;GAO et al, 2017a;MAKINO;KATO;TANIMOTO, 2017;XING, 2016;SHEN, 2016;RUSH et al, 2016;CARVALHO;REZENDE, 2016;SIMARD;ST-PIERRE;BISKRI, 2016;ZHENWEI;LINGYUN;LIZHU, 2016;WILKE et al, 2016;USMAN;USMAN, 2016;DU et al, 2015;YANG, 2015;LI-XIONG et al, 2015;CARVALHO, 2014;BARALIS et al, 2013;DING et al, 2013;PETELIN et al, 2013;GAMA;FERREIRA, 2012). Para extração das regras, os Grafos foram utilizados como estruturas de apoio para que os itemsets fossem formados e as medidas de suporte e confiança calculados.…”

Section: Resultsunclassified

“…Na fase de pós-processamento da mineração (CHERN-TONG; AZIZ, 2018; MARTÍNEZ-BALLESTEROS et al, 2017;LI et al, 2017;MINELGA et al, 2017;MEI;PAPER et al, 2015;SELMANE;BOUS-SAID;BENTAYEB, 2015), a estrutura em árvore foi utilizada a fim de facilitar a extração do conhecimento por meio da análise das relações entre as regras extraídas dos dados.…”

Section: Resultsunclassified

“…Para as tarefas de classificação, os trabalhos apresentaram uma maior variedade de tipos de Rede (HONG et al, 2018;CHERN-TONG;AZIZ, 2018;SHEU, 2018;DELGADO et al, 2018;CHEN et al, 2018;TURGEMAN;SCIULLI, 2017;MINELGA et al, 2017;OLIINYK et al, 2017;GAO et al, 2017a;THONGKAM;SUKMAK, 2017;LI et al, 2017;MAKINO;KATO;TANIMOTO, 2017;CARVALHO;REZENDE, 2016;NEMATI;SANT'ANNA;NOWACZYK, 2016;SIMARD;ST-PIERRE;BISKRI, 2016;MEI;SHENG et al, 2016;USMAN;USMAN, 2016;SHEU et al, 2016;ACHARYA;MAHALI;MOHAPATRA, 2015;CARVALHO, 2014;KE et al, 2014;ZHANG, 2011), dando destaques ao uso de Regras de Associação em classe, bem como Regras de Associação temporais e contínuas.…”

Section: Resultsunclassified

“…Muitas pesquisas utilizam estruturas de Rede para realizar o pós-processamento das Regras de Associação a fim de facilitar a extração do conhecimento por intermédio da análise das relações extraídas dos dados (CHERN-TONG; AZIZ, 2018;MARTÍNEZ-BALLESTEROS et al, 2017;LI et al, 2017;MINELGA et al, 2017;MEI;PAPER et al, 2015;SELMANE;BOUSSAID;BENTAYEB, 2015). Apenas os trabalhos de Pandey et al (2009) e Chawla, Davis e Pandey (2004) apresentam abordagens que possuem um atributo alvo (item objetivo), mas sem nenhum tipo de garantia de que as relações observadas geram hipóteses verdadeiras ou que o conhecimento formulado possa ser utilizado em aplicações de diversas áreas.…”

Section: Lista De Ilustraçõesunclassified

“…Disponibilidade de Base de Dados nos artigos estudados Fonte: Elaborada pelo autor.de recursos, ou mesmo por não conseguir mensurar algumas métricas específicas os artigos não efetuaram a demonstração desse processo. Para dados relacionados à saúde(DELGADO et al, 2018;MINELGA et al, 2017;INDHUMATHY;NABHAN;ARUMUGAM, 2017;TSAI et al, 2017;KIM et al, 2017;TURGEMAN;SCIULLI, 2017;MARTÍNEZ-BALLESTEROS et al, 2017;BELYI et al, 2016;HERNANDEZ-LEAL et al, 2013), a validação estatística transcreve os índices de acurácia dos métodos, além de possibilitar um comparativo com outras abordagens já existentes na literatura. Outros trabalhos que utilizam Redes Bayesianas(DELGADO et al, 2018;CAI et al, 2017;NEMATI;SANT'ANNA;NOWACZYK, 2016;IQBAL et al, 2014;ODEH;AL-NAJDAWI, 2013;ZHANG, 2011;VEDULA;THATAVARTI, 2011) também executam o estudo estatísticos, pois são a base para a construção desse tipo de Rede.A utilização de uma validação estatística foi possível em pesquisas relacionadas a Grafos e Redes (FAN;NAMAKI et al, 2017;ADARICHEVA;NATION, 2017;CAI et al, 2017;XU, 2016;SHEN, 2016; HENDRICKX et al, 2015) por fazerem uso de Medidas de Rede que podem auxiliar no processo de mineração de dados e geração de conhecimento.Estruturas de árvores de decisão foram utilizadas nas pesquisasde Li et al (2017) e Sheu et al (2016, além do trabalhode Wang et al (2018) que utiliza árvores na validação estatística dos itemsets frequentes.Outros trabalhos também realizaram a validação estatística com o uso de métricas específicasSHENG et al, 2016;LI-XIONG et al, 2015) e em etapas de pós-processamento de Regras de Associação (PADUA;...…”

unclassified

See 4 more Smart Citations

Redes de regras de associação filtradas e multialvo

Calçada¹

View full text Add to dashboard Cite

Este trabalho é dedicado à minha família em todos os planos da vida AGRADECIMENTOS Agradecimentos são sempre feitos de forma simples e direta citando nomes e elementos de uma forma geral que contribuíram com este trabalho. Farei um pouco diferente, pois são nas diferenças que percebemos o quanto a nossa vitória realmente compensou.Dizer que agradeço a Deus é muito pouco diante de tamanha dívida que possuo com o criador. Graças a Ele, tive e tenho a oportunidade de usufruir de uma reencarnação repleta de aprendizados, sendo a conclusão deste trabalho de grande importância em minha vida. Não tendo realmente outras palavras, simplesmente digo OBRIGADO SENHOR! Muito mais que uma orientadora, uma amiga e quase uma mãe, acima de tudo alguém que confiou em mim, no meu potencial. Ela me motivou desde o início, mesmo antes de saber que seria minha orientadora, e continua me inspirando a seguir firme, em frente, e a sempre "defender meu cinturão" após o doutorado. Prof a Solange Rezende, obrigado pela veracidade e pelo norteamento de minha vida acadêmica e pessoal, tornando-me um cientista da computação de verdade e um ser humano melhor.Agradecer a todos que contribuíram diretamente com os experimentos e estudos. Meu amigo Renan pelo tempo compartilhado em várias conversas e debates nos estudos de Mineração de Regras de Associação. Minhas "protetoras" Ivone, Roberta e Camila que me auxiliaram em tantas oportunidades, não só com orientações e sugestões sobre o trabalho, mas também sobre aspectos de minha vida pessoal.Agradecer aos demais membros da equipe SOL que tive o prazer de conviver. João Antunes, Ricardo Scheicher, Ricardo Marcacini, Vítor e Dildre, além dos outros que contribuíram bastante comigo, mesmo sem saber. Agradecer a todos do LABIC, na pessoa dos professores Alneu e Gustavo, e de todos seus orientandos, por me acolherem tão bem e me ensinarem que para crescer profissionalmente a gente DEVE compartilhar.Meu muito obrigado aos professores do Programa de Pós-graduação em Ciências da Computação e Matemática Computacional da USP em São Carlos pela paciência a mim direcionada e pelas disciplinas fundamentais em minha formação, destaco o Professor Cláudio Toledo que se tornou um parceiro de pesquisa e um amigo para o resto da vida. A todos os funcionários da USP que eu tanto "perturbei", muito obrigado! Emano gratidão a todos que coordenaram esse programa durante a minha passagem, em especial ao professor Ades que muitas vezes pareceu que estava atendendo a um parente próximo bem querido quando eu a ele me dirigia para tirar dúvidas e principalmente pedir ajuda. Ajuda que nunca foi negada.Às vezes agradecemos pela realização de sonhos, principalmente àqueles que nem sabíamos que poderiam ser realizados, por isso agradeço à UESPI e à USP-São Carlos por possibilitarem que eu fizesse um doutorado na melhor Universidade da América Latina, e ainda com nota 7 da CAPES, algo inimaginável para mim.Agradecimento a todos os meus colegas de DINTER, que mesmo sem a possibilidade de convivermos durante todo o processo do douto...

show abstract

Section: Resultsunclassified

Section: Lista De Ilustraçõesunclassified

unclassified

See 3 more Smart Citations

Redes de regras de associação filtradas e multialvo

Calçada¹

View full text Add to dashboard Cite

show abstract

Experimental Evaluation of Deep Learning Methods for an Intelligent Pathological Voice Detection System Using the Saarbruecken Voice Database

Lee

2021

Applied Sciences

View full text Add to dashboard Cite

This work is focused on deep learning methods, such as feedforward neural network (FNN) and convolutional neural network (CNN), for pathological voice detection using mel-frequency cepstral coefficients (MFCCs), linear prediction cepstrum coefficients (LPCCs), and higher-order statistics (HOSs) parameters. In total, 518 voice data samples were obtained from the publicly available Saarbruecken voice database (SVD), comprising recordings of 259 healthy and 259 pathological women and men, respectively, and using /a/, /i/, and /u/ vowels at normal pitch. Significant differences were observed between the normal and the pathological voice signals for normalized skewness (p = 0.000) and kurtosis (p = 0.000), except for normalized kurtosis (p = 0.051) that was estimated in the /u/ samples in women. These parameters are useful and meaningful for classifying pathological voice signals. The highest accuracy, 82.69%, was achieved by the CNN classifier with the LPCCs parameter in the /u/ vowel in men. The second-best performance, 80.77%, was obtained with a combination of the FNN classifier, MFCCs, and HOSs for the /i/ vowel samples in women. There was merit in combining the acoustic measures with HOS parameters for better characterization in terms of accuracy. The combination of various parameters and deep learning methods was also useful for distinguishing normal from pathological voices.

show abstract

A Transparent Decision Support Tool in Screening for Laryngeal Disorders Using Voice and Query Data

Cited by 2 publications

References 32 publications

Redes de regras de associação filtradas e multialvo

Redes de regras de associação filtradas e multialvo

Experimental Evaluation of Deep Learning Methods for an Intelligent Pathological Voice Detection System Using the Saarbruecken Voice Database

Contact Info

Product

Resources

About