Voice spectrum energy band and tilt analysis for Bulbar ALS screening

Classification of Patients Diagnosed with ALS Through Spectral Parameters : Comparison between automatic classifiers and visual methos

“…A Tabela 3 apresenta os valores de Sensitividade (TPR) e Especificidade (TNR), sendo que os mesmos estão acima de 0. [6], a partir da observação das médias e desvios-padrão do LBST graficamente, consegue-se atingir uma taxa de acertos de 85%, traçando um limiar, Figura 5. Com o HBST, esta taxa é de 79%, Figura 6.…”

“…2022 17 th Iberian Conference on Information Systems and Technologies (CISTI) 22 -25 June 2022, Madrid, Spain ISBN: 978-989-33-3436-2 Em [6], demonstrou-se que a partir da análise espetral do discurso de pacientes, com extração de 3 parâmetros principais, é possível diferenciar entre pacientes com ELA Bulbar e falantes saudáveis, sem necessidade de recorrer a classificadores altamente complexos. Todos os estudos anteriores analisaram fala, ou vogais extraídas da fala contínua.…”

“…Este trabalho continua a linha de investigação de parâmetros de discriminação derivados do declive do espetro do sinal de fala apresentados em [6]. O principal objetivo é explorar diferentes classificadores automáticos para distinção de oradores saudáveis e não saudáveis para um conjunto reduzido de oradores e comparar os resultados obtidos com os esperados através da análise gráfica em [6].…”

“…II. TRABALHO RELACIONADO Em [6], consta-se que para a caracterização de vozes de pacientes diagnosticados com ELA Bulbar, os espetros de sinais de fala podem ser decompostos em 3 intervalos principais, e os pontos máximos do espetro atingidos em cada intervalo serão cruciais no cálculo dos tais parâmetros, que irão caracterizar cada orador.…”

Teacher Voice Feature Extraction and Recognition Based on Health Belief Model

“…Finally, it produces the sound for human communication through the radiation of mouth and nose [6]. The task of sick voice recognition is to recognize sick voice, which comes from a branch of speech recognition, mainly involving voice, pathology, computer science, information science, artificial intelligence, and other disciplines [7]. More and more scholars began to study the use of noise assessment to assist in the diagnosis of different diseases, such as language disorders, pajinmei, and throat diseases, and use different methods such as subjective perception assessment, psychophysical assessment, and objective physical assessment to evaluate the voice of patients [8].…”