Estimación del parámetro soplosidad dentro del método de análisis perceptual de la voz cape-v

The voice is fundamental element of human communication, through it people transmit their feelings, emotions and ideas. In this context, different branches of medicine and engineering have opened upto the study of this phenomenon to explain in a way or other as it originates and the possible alterat...

Full description

Saved in:

Bibliographic Details
Main Author:	Rivera Marín, María Alejandra
Other Authors:	Ramírez Medina, Jesús David
Format:	Trabajo de grado (Pregrado y/o Especialización)
Language:	spa
Published:	Universidad Antonio Nariño 2021
Subjects:	Evaluación perceptual de la voz Dataset Regresión Soplosidad Perceptual voice note data set regression soplocity
Online Access:	http://repositorio.uan.edu.co/handle/123456789/2486
Tags:	Add Tag No Tags, Be the first to tag this record!

_version_	1812647329933557760
author	Rivera Marín, María Alejandra
author2	Ramírez Medina, Jesús David
author_facet	Ramírez Medina, Jesús David Rivera Marín, María Alejandra
author_sort	Rivera Marín, María Alejandra
collection	DSpace
description	The voice is fundamental element of human communication, through it people transmit their feelings, emotions and ideas. In this context, different branches of medicine and engineering have opened upto the study of this phenomenon to explain in a way or other as it originates and the possible alterations, to detect these disorders of the voice the functional evaluation is used, To carry out this evaluation, the speech pathologist must apply different tests and procedures in order to assess each of the elements that intervene in the production of the spoken and sung voice. These elements are evaluated largely through auditory perceptual evaluation, palpation and visual observation, which makes this examination subjective, and with this that the result depends on the experience of the professional I evaluated. There are different scales that seek to standardize the perceptual assessment of the voice, such as GRABS and CAPE-V, but these still have a high level of subjectivity. Several studies have been developed to reduce professional subjectivity in this test, but most are developed around the GRABS scale, which has certain disadvantages. With the purpose of reducing the exam time and the subjectivity of the test, the development of an app that allows predicting the breathiness parameter within the CAPE-V perceptual evaluation method is proposed, through digital processing of acoustic signals and machine learning. To arrive at the final development of the App, a synthetic voice bank was created, which was used to create a dataset, which was implemented in attribute selection and regression models, in the Matlab and Weka softwares, obtaining with this the most optimal regression model for the prediction of soplocity.
format	Trabajo de grado (Pregrado y/o Especialización)
id	repositorio.uan.edu.co-123456789-2486
institution	Repositorio Digital UAN
language	spa
publishDate	2021
publisher	Universidad Antonio Nariño
record_format	dspace
spelling	repositorio.uan.edu.co-123456789-24862024-10-09T22:50:12Z Estimación del parámetro soplosidad dentro del método de análisis perceptual de la voz cape-v Rivera Marín, María Alejandra Ramírez Medina, Jesús David Evaluación perceptual de la voz Dataset Regresión Soplosidad Perceptual voice note data set regression soplocity The voice is fundamental element of human communication, through it people transmit their feelings, emotions and ideas. In this context, different branches of medicine and engineering have opened upto the study of this phenomenon to explain in a way or other as it originates and the possible alterations, to detect these disorders of the voice the functional evaluation is used, To carry out this evaluation, the speech pathologist must apply different tests and procedures in order to assess each of the elements that intervene in the production of the spoken and sung voice. These elements are evaluated largely through auditory perceptual evaluation, palpation and visual observation, which makes this examination subjective, and with this that the result depends on the experience of the professional I evaluated. There are different scales that seek to standardize the perceptual assessment of the voice, such as GRABS and CAPE-V, but these still have a high level of subjectivity. Several studies have been developed to reduce professional subjectivity in this test, but most are developed around the GRABS scale, which has certain disadvantages. With the purpose of reducing the exam time and the subjectivity of the test, the development of an app that allows predicting the breathiness parameter within the CAPE-V perceptual evaluation method is proposed, through digital processing of acoustic signals and machine learning. To arrive at the final development of the App, a synthetic voice bank was created, which was used to create a dataset, which was implemented in attribute selection and regression models, in the Matlab and Weka softwares, obtaining with this the most optimal regression model for the prediction of soplocity. La voz es el elemento fundamental de la comunicación humana, a través de ella las personas transmiten sus sentimientos, emociones e ideas, en este contexto, diferentes ramas de la medicina y la ingeniería se han abierto al estudio de este fenómeno para explicar de un modo u otro cómo se origina y las posibles alteraciones (nódulos, quistes, pólipos, entre otras lesiones patológicas) que se interponen a su producción. Para evaluar la voz y analizar las diferentes patologías vocales, se realiza una evaluación en la que se tiene en cuenta todos los aspectos de la voz, en todo el proceso de producción, este examen es realizado por el fonoaudiólogo y se hace a través de exámenes y pruebas que en su mayoría son perceptuales. Se le pide al paciente realizar diferentes tareas vocales para así poder evaluar todos los aspectos de la voz cuando se habla o se canta, el diagnostico o resultado se da por el fonoaudiólogo en base a su experiencia y conocimientos previos. Existen diferentes escalas que buscan estandarizar la valoración perceptual de la voz, como lo son GRBAS y CAPE-V, pero estas siguen teniendo alto nivel de subjetividad. Diversos estudios se han desarrollado para reducir la subjetividad por parte del profesional en esta prueba, pero la mayoría son desarrollados en torno a la escala GRABS, la cual presenta ciertas desventajas. Con el propósito de reducir el tiempo de examen y la subjetividad de la prueba se plantea el desarrollo, de una app que permite estimar soplosidad dentro del método de evaluación perceptual CAPE-V, mediante procesamiento digital de señales acústicas y aprendizaje de máquina. Para llegar al desarrollo final de la App, se creó un banco de voces sintético, el cual se utilizó para crear un dataset, que se implementó en modelos de selección de atributos y de regresión, en los softwares Matlab y Weka, obteniendo con esto el modelo de regresión más óptimo para la predicción de la soplosidad. En el transcurso del texto se irá proporcionando información detallada sobre el proceso de diseño, implementación y puesta en marcha de la app, observando cómo este aporte puede llegar a ser favorable para el mundo de la salud y la ingeniería. Otro Ingeniero(a) Biomédico(a) Pregrado $13.220.000 (de acuerdo a lo reportado en el anteproyecto): $11.020.000 (Propios) $2.200.000 (UAN) Presencial 2021-03-03T17:05:47Z 2021-03-03T17:05:47Z 2020-06-05 Trabajo de grado (Pregrado y/o Especialización) info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/version/c_970fb48d4fbd8a85 http://repositorio.uan.edu.co/handle/123456789/2486 Batalla, D. F. (2015). sociedad española de otorrinolaringologia y cirugia de cabeza y cuello. Obtenido de seorl.net: https://seorl.net/wp-content/uploads/2015/09/CURSO-DE-VOZ.pdf Botero Tobón, L. M. (2008). Caracterización de los indicadores acústicos. caldas: El artista. Brockmann, M. (2011). Improving jitter and shimmer measurements in normal voices. reino unido: Newcastle University. Carla Oliveira, C. L. (2013). Vocal Acoustic Analysis - Jitter, Shimmer and HNR Parameters. ELSEVIER, 1112-1122. Cobeta, I., Núñez, F., & Fernández, S. (2013). Clasificación de las enfermedades neurodegenerativas. En p. d. voz. Barcelona: ICG Marge, SL. Fang-Ling Lu, S. M. (2014). Tareas del habla y confiabilidad entre evaluadores en la evaluación perceptiva de la voz. Journal of Voice. Elsevier.28(6),, 725-732. fermino, m. a. (2017). Clasificación de trastornos vocales utilizando redes neurales artificiales. Cornélio Procópio, brasil. Ford, C., & Bless, D. (1986). Clinical experience with injectable collagen for vocal fold augmentation. Laryngoscope. En C. Ford, & D. Bless. Galan, M. M. (julio de 2014). Análisis perceptual de la disfonía: adaptación y validación del método CAPE-V al español. oviedo. García Mario Alejandro, R. A. (2016). Red neuronal profunda para analisis acustico. Red neuronal profunda para analisis acustico. Universidad Tecnológica Nacional Facultad Regional Córdoba. García Mario Alejandro, R. A. (s.f.). Extracción de Características en Audio con Redes Neuronales convolucionales. Cordoba: Universidad Tecnológica Nacional Facultad Regional Córdoba (UTN FRC). Gerardo Gutiérrez Gutiérrez, A. R. (2015). centro de ciencias de la computación . Obtenido de Instituto Tecnológico Metropolitano: http://c3.itm.edu.co/~gerardo.gutierrez/machinelearning/Introducci%C3%B3n%20Aprendizaje%20de%20M%C3%A1quina.pdf Higor E. Pavoni, M. A. (2016). Identificación de parámetros subjetivos de voz utilizando redes neuronales artificiales. Identificación de parámetros subjetivos de voz utilizando redes neuronales artificiales. Cornélio procopio, Brasil. Ignacio Cobeta, f. n. (2013). patologia de la voz. Marge medica books. Jaume de Montserrat, A. O. (s.f.). El uso profesional. catalunya: Reversible SCP. Kreiman, J. &. (2010). Perceptual assessment of voice quality: past,. Perspectives on Voice and Voice Disorders. Martinez, J. F. (2011). Estimación espectral. mateos, c. (18 de abril de 2017). sociedad española de otorrinolaringologia. Obtenido de https://seorl.net/wp-content/uploads/2016/05/NP_Dia-Mundial-de-la-Voz.pdf Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. Londres, Inglaterra: Massachusetts Institute of Technology. N., M. G. (2016). evaluación funcional de la voz. Artículo de divulgación científica en el área vocal. chile. Nicolas Viancha, C. M. (2018). studocu. Obtenido de https://www.studocu.com/co/document/universidad-antonio-narino/electronica-analoga/practica/lab-espectro-senalesfinalizadob/4874733/view Pericas, F. J. (1993). TECNICAS DE PROCESADO Y REPRESENTACION DE LA SEÑAL DE VOZ PARA EL RECONOCIMIENTO DEL HABLA EN AMBIENTES RUIDOSOS. Barcelona. Polo, N. (2015). sottovoce. Obtenido de https://sottovoce.hypotheses.org/tag/voz-area Preparadores de Oposiciones para la Enseñanza. (s.f.). Obtenido de La voz humana y su fisiología: https://www.preparadores.eu/secundaria/Musica/Musica-Tema.pdf R.I. Zraick, G. K. (2011). Establishing validity of the Consensus Auditory-. Journal, 14-22. Santos, J. f. (2017). Reconocimiento de patrones en medidas acústicas para identificar patologías laríngeas. Curitiba, brasil. Teixeira, J. P., Oliveira, C., & Lopes, C. (2013). Analisis acustico vocal- Parametros de Jitter, Shimmer y HNR. Conferencia sobre sistemas y tecnologias de la informacion en salud y asistencia social, (págs. 1-2). braganca. Trinite, B. (2017). Epidemiology of Voice Disorders in Latvian School Teachers. Elsevier , 508.e1-508.e9. universidad de alcala. (s.f.). Obtenido de departamento de cirugia. Williamson, G. (1 de 02 de 2014). Evaluación perceptiva de la voz. Obtenido de SLTinfo: https://www.sltinfo.com/perceptual-assessment-of-voice/ instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/ spa Acceso abierto Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) https://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 application/pdf application/pdf Universidad Antonio Nariño Ingeniería Biomédica Facultad de Ingeniería Mecánica, Electrónica y Biomédica Popayán - Alto Cauca
spellingShingle	Evaluación perceptual de la voz Dataset Regresión Soplosidad Perceptual voice note data set regression soplocity Rivera Marín, María Alejandra Estimación del parámetro soplosidad dentro del método de análisis perceptual de la voz cape-v
title	Estimación del parámetro soplosidad dentro del método de análisis perceptual de la voz cape-v
title_full	Estimación del parámetro soplosidad dentro del método de análisis perceptual de la voz cape-v
title_fullStr	Estimación del parámetro soplosidad dentro del método de análisis perceptual de la voz cape-v
title_full_unstemmed	Estimación del parámetro soplosidad dentro del método de análisis perceptual de la voz cape-v
title_short	Estimación del parámetro soplosidad dentro del método de análisis perceptual de la voz cape-v
title_sort	estimacion del parametro soplosidad dentro del metodo de analisis perceptual de la voz cape v
topic	Evaluación perceptual de la voz Dataset Regresión Soplosidad Perceptual voice note data set regression soplocity
url	http://repositorio.uan.edu.co/handle/123456789/2486
work_keys_str_mv	AT riveramarinmariaalejandra estimaciondelparametrosoplosidaddentrodelmetododeanalisisperceptualdelavozcapev