Continuous Speech Classification Systems for Voice Pathologies Identification

Abstract

Part 8: Signal Processing in MedicineInternational audienceVoice pathologies identification using speech processing methods can be used as a preliminary diagnostic. The aim of this study is to compare the performance of sustained vowel /a/ and continuous speech task in identification systems to diagnose voice pathologies. The system recognizes between three classes consisting of two different pathologies sets and healthy subjects. The signals are evaluated using MFCC (Mel Frequency Cepstral Coefficients) as speech signal features, applied to SVM (Support Vector Machines) and GMM (Gaussian Mixture Models) classifiers. For continuous speech, the GMM system reaches 74% accuracy rate while the SVM system obtains 72% accuracy rate. For the sustained vowel /a/, the accuracy achieved by the GMM and the SVM is 66% and 69% respectively, a lower result than with continuous speech

An intelligent healthcare system for detection and classification to discriminate vocal fold disorders

“…The experimental results for the detection of voice disorders with the FCB are provided in Table 1. These results are obtained with various numbers of Gaussian mixtures, i.e., 8,16,32 and 64. The maximum accuracy is obtained with 32, and this is 99.45%.…”

“…In [32], a system for the classification of various types of disorders is developed by using Mel-frequency cepstral coefficients (MFCC). Three types of vocal fold disorders vocal fold nodules, vocal fold edema, and unilateral paralysis are considered to develop the system.…”

Gender classification based on voice signals using fuzzy models and optimization algorithms

“…Otros artículos han trabajado con los coeficientes MFCC (Mel Frequency Cepstral Coefficients) para la clasificación de género [47], reconocimiento de oradores [10], y detección de patologías por medio de señales de voz [7], [15], [48].…”

“…Los rangos de asignación factible de las funciones de pertenencia tienen en cuenta el valor mínimo y máximo por cada una de las entradas para el modelo difuso definidas en la Sección 4. Por ejemplo, para un modelo que utilice las primeras tres entradas, los rangos son los definidos en la ecuación (15) Con la normalización de cada uno de estos rangos entre los valores 0 (mínimo) y 1 (máximo), se establece un rango general para todas las entradas y se promueve la exploración factible en los algoritmos de optimización en un espacio fijo de soluciones de acuerdo con los datos procesados.…”

“…Otros propósitos del uso de señales de voz es la formulación e implementación de sistemas para la distinción del habla [7]- [9], reconocimiento del habla [10], reconocimiento de lenguaje [11], reconocimiento de emociones basados en habla y en género [12], [13], diagnóstico de enfermedades patológicas como la disfonía y la laringitis [14], diagnóstico de nódulos, edemas y parálisis unilateral de las cuerdas vocales [15], reconocimiento de disartria en sistemas de reconocimiento automático de habla [16] y la detección temprana de Parkinson mediante voz [17].…”