Anais

03 a 06 de novembro de 2014

Anais

9a Edio, Srie 7

So Lus - Maranho
2014

Reitor:

Francisco Roberto Brando Ferreira

Coordenao Geral:

Natilene Mesquita Brito

Ligia Cristina Ferreira Costa
Comisso Cientfica:

Adriana Barbosa Arajo

Aline Silva Andrade Nunes
Ana Patrcia Silva de Freitas Choairy
Ana Silvina Ferreira Fonseca
Cleone das Dores Campos Conceio
Cristovo Colombo de Carvalho Couto Filho
Dea Nunes Fernandes
Delineide Pereira Gomes
Flvia Arruda de Sousa
Janete Rodrigues de Vasconcelos Chaves
Jos Antonio Alves Cutrim Junior
Karla Donato Fook

Kiany Sirley Brandao Cavalcante

Lus Cludio de Melo Brito Rocha
Luzyanne de Jesus Mendona Pereira
Robson Luis e Silva
Samuel Benison da Costa Campos
Tnia Maria da Silva Lima
Tereza Cristina Silva
Terezinha de Jesus Campos Lima
Thayara Fereira Coimbra
Vilma de Ftima Diniz de Souza
Yrla Nivea Oliveira Pereira

Apoio Tcnico:
Comunicao e Cultura:

Andreia de Lima Silva

Cludio Antnio Amaral Moraes
Diego Deleon Mendona Macedo
Emanuel de Jesus Ribeiro
Jorge Arajo Martins Filho
Jos Augusto do Nascimento Filho
Karoline da Silva Oliveira
Lus Cludio de Melo Brito Rocha
Mariela Costa Carvalho
Maycon Rangel Abreu Ferreira
Miguel Ahid Jorge Junior
Nayara Klecia Oliveira Leite
Rondson Pereira Vasconcelos
Valdalia Alves de Andrade
Wanderson Ney Lima Rodrigues
Cerimonial e Hospitalidade:

Aline Silva Andrade Nunes

Fernando Ribeiro Barbosa
Janete Rodrigues de Vasconcelos Chaves
Thaiana de Melo Carreiro
Terezinha de Jesus Campos de Lima

Infraestrutura e Finanas:

Ana Ligia Alves de Araujo

Anselmo Alves Neto
Carlos Csar Teixeira Ferreira
Edmilson de Jesus Jardim Filho
Glucia Costa Louseiro
Hildervan Monteiro Nogueira
Juariedson Lobato Belo
Keila da Silva e Silva
Mauro Santos
Priscilla Maria Ferreira Costa
Rildo Silva Gomes

Tecnologia da Informao:

Allan Kassio Beckman Soares da Cruz

Cludio Antnio Costa Fernandes
Francisco de Assis Fialho Henriques
Jos Maria Ramos
Leonardo Brito Rosa
William Corra Mendes
Projeto Grfico e Diagramao:

Lus Cludio de Melo Brito Rocha

Realizao:

Patrocnio:

Apoio:

Engenharias
Engenharia Biomdica

Apresentao
Esta publicao compreende os Anais do IX CONNEPI - Congresso
Norte Nordeste de Pesquisa e Inovao. O material aqui reunido
composto por resumos expandidos de trabalhos apresentados por
pesquisadores de todo o Brasil no evento realizado em So Lus-MA,
entre os dias 3 e 6 de novembro de 2014, sob organizao do Instituto
Federal do Maranho.
Os resumos expandidos desta edio do CONNEPI so produes
cientficas de alta qualidade e apresentam as pesquisas em quaisquer
das fases em desenvolvimento. Os trabalhos publicados nestes Anais
so disponibilizados a fim de promover a circulao da informao
e constituir um objeto de consulta para nortear o desenvolvimento
futuro de novas produes.
com este propsito que trazemos ao pblico uma publicao cientfica
e pluralista que, seguramente, contribuir para que os cientistas de
todo o Brasil reflitam e aprimorem suas prticas de pesquisa.

SISTEMADEDETECODEOBSTCULOS,UTILIZANDOSENSORULTRASSNICO,PARA
AUXILIARDEFICIENTESVISUAIS
S.M.Gomes;D.A.S.Gomes1 ;A. G. CostaJunior2
1
InstitutoFederaldaParaba(IFPB)CampusJooPessoaBachareladoemEngenhariaEltrica.2Instituto
FederaldaParaba(IFPB)CampusJooPessoaLaboratriodeInstrumentao,SistemasdeControlee
Automao(LINSCA).Emails:suellyton.eletrica@gmail.com,danielipj@yahoo.com.br,
ademar.costa@ifpb.edu.br.

RESUMO

A acessibilidade das pessoas portadoras de deficincia

fsicadevitalimportnciaparaqueasmesmaspossam
terumavidacommaisindependnciaeconforto.Tendo
emvistaalgumasaplicaesdesensoresparaajudarna
mobilidade de deficientes visuais, este trabalho
apresenta uma aplicao de sensores ultrassnicos,

como detectores de obstculos, para guiar os

deficientesemseusdeslocamentosdiriosfacilitandoa
realizao de atividades bsicas e rotineiras dos
mesmos, reduzindo a ocorrncia de acidentes e
ajudandoatornlosumpoucomaisindependentes.

PALAVRASCHAVE:Acessibilidade,deficientesvisuais,sensorultrassnico,Arduino.

OBSTACLEDETECTIONSYSTEMUSINGULTRASONICSENSOR,TOHELPVISUALLYIMPAIRED
ABSTRACT

The accessibility of the disabled people is vitally

important so that they can have a life with more
independenceandcomfort.Given some applications of
sensorstoassistinthemobilityofthevisuallyimpaired,
thispapershowsanapplicationofultrasonicsensorsas

obstacledetectorstoguidethedisabledpeopleintheir
daily commutes facilitating the conduct of basic and
routine activities the same, reducing the occurrence
accidents and helping to make them a bit more
independent.

KEYWORDS:Accessibility,visuallyimpaired,ultrasonicsensor,Arduino.

SISTEMADEDETECODEOBSTCULOS,UTILIZANDOSENSORULTRASSNICO,PARA
AUXILIARDEFICIENTESVISUAIS
1. INTRODUO
DeacordocomManso(2003),adeficinciacaracterizadapela perdaoufalhade uma
estrutura e/ou funo, seja ela psicolgica, fisiolgica ou anatmica, que por si, gerar a
incapacidadeparaodesempenhodedeterminadasatividades,dentrodeumpadronormaldo
ser humano. Podese ainda dividir a deficincia em permanente e em incapacidade. Na
deficincia permanente, no h mais a possibilidade de recuperao ou alterao do estado,
mesmocomaparecimentodenovostratamentos,porjhaverumaconsolidaodoquadro.Por
outro lado, na deficincia por incapacidade, o portador desse tipo de deficincia necessita de
utilizao de equipamentos, de adaptaes ou de outros recursos que o possibilitem a
desempenharalgumasdessasfunes,emqueestincapacitadodefazerdemaneiranatural.
O Censo realizado pelo IBGE em 2010 (IBGE, 2010) indica que, no Brasil, mais de 6,5
milhes de pessoas so portadoras de deficincia visual, a qual a que apresenta a maior
incidncianopas(18,8%dapopulao).Dessetotal:

506.377pessoasnoconseguemenxergardemodoalgum;

6.056.533pessoaspossuemgrandedificuldadedeenxergar;

Outras29.211.482pessoasdeclararampossuiralgumadificuldade.

Tabela1NmerodedeficientesvisuaisnoBrasilporregio.
Fonte:IBGE,2010.
Regio
Norte
Nordeste
Sudeste
Sul
CentroOeste

Total
574.823
2.192.455
2.508.587
866.086
443.357

%populaolocal
3,6
4,1
3,1
3,2
3,2

A Tabela 1 apresenta a distribuio de deficientes visuais pelas regies, sendo possvel

observarquearegioNordestepossuiummaiorpercentualemrelaosdemais,ultrapassando
4%dapopulao.
AOrganizaoMundialdaSadeapontaquecercade40milhesa45milhesdepessoas
nomundosodeficientesvisuais,eoutras135milhessofremdebaixaviso.Aindasegundoa
OMS,80%doscasosdecegueirapoderiamserevitados(WHO,2013).Combasenomesmotexto,
os maiores causadores de deficincia visual so as anomalias de refrao como miopia,
hipermetropiaouastigmatismo(43%),catarata(33%)eglaucoma(2%).
Esteartigotemoobjetivodeapresentarodesenvolvimentodeumprottipoquepossa
ajudar pessoas com deficincia visual a realizar suas tarefas rotineiras, se deslocando com
facilidadeentreosambientes,nosquaisexercemsuasfunes,umavezquecomessalimitao,
apessoatornase,muitasvezes,dependentedeoutrasparalhesauxiliarnodeslocamento.
Este artigo organizado da seguinte maneira: na Seo 2 apresentado o conceito do
prottipoelaboradodo sistemadedetecodeobstculos paradeficientesvisuais;naSeo3

soapresentadososresultadosexperimentaispreliminaresobtidos.Porfim,aSeo4apresenta
asconsideraesfinaisdotrabalho.

2. ACONSTRUODOPROTTIPODESISTEMADEDETECODEOBSTCULOS
Nestaseoserodescritososprincipaiscomponentesutilizados,deumaformabreve,e
comofoidesenvolvidooprottipodosistemadedetecodeobstculosparadeficientesvisuais.

SensorUltrassnico
Osensorultrassnicoprojetadoparadetectaradistnciadeobjetosnosquaisincidem
onde pulsos ultrassnicos, que variam de 30 kHz a 300 kHz, verificando o tempo que demora
paraospulsosretornarem,comopossvelobservarnaFigura1.

Figura1Reflexodasondasultrassnicas.

Fonte:http://pt.wikipedia.org/wiki/Ficheiro:Sonar_Principle_ptBR.svg

O objetivo do uso desta faixa de frequncia, acima do som audvel pelo ser humano,
para que no ocorra nenhum incmodo com o rudo gerado, alm da compatibilizao das
dimenses do comprimento de onda emitido, e o tamanho dos obstculos que se deseja
detectar.AplicandoaEquao(1),noqual ocomprimentodeonda, avelocidadedosom
343,2 m/s),e afrequnciada
(considerandoavelocidadedosomnonveldomar,
onda sonora emitida, para obstculos de 1 cm, deve ser aplicado uma onda com frequncia
superiora33kHz,conformeilustradonaFigura2.
/

(1)

Umagrandevantagemdeseutilizaressetipodesensoradiversidadedemateriaisque
podem ser detectados, independente da forma e da cor do material. Entretanto materiais que
absorvem ondas acsticas, tais como l, algodo, tecido, espuma, borracha, entre outros,
provocamaineficincianadetecodosinalemitido.
AFigura3ailustraumsinal,sendorefletidoemumasuperfcieplana,gerandoumamenor
perdaeumamaiorreflexo.AFigura3bilustraosinalsendorefletidoemvriasdirees,devido
superfcieirregulardocorpohumano,fazendocomquearecepodosinalsejadetectadacom
algumasvariaes,podendoprovocaralgunserrosquandoosinalatingecertaspartescurvasdo
corpo,comoosbraoseaspernas.NaFigura3c,osinalatingeumobjetototalmenteirregularo
qualnoserdetectadopelosensor.

Figura2Detecodeobjetos.
Fonte:http://www.newtoncbraga.com.br/index.php/robotica/3484mec081

Figura3Padresdereflexodosinal,aodetectarsuperfcies.
Fonte:http://www.newtoncbraga.com.br/index.php/robotica/3484mec081

Paracalcularaquedistnciaumobjetoseencontradosensor,aplicadaaEq.2,oqual
adistnciadosensoraoobjeto,
avelocidadedosome otempoqueosomlevapara
percorrer o caminho de ida e volta, ou seja, do emissor para o objeto e do objeto para o
receptor.
2

(2)

EspecificaodoShieldUltrassnicoHCSR04
OshieldultrassnicoHCSR04,utilizadonoprottipo,capazdedetectardistnciasde2
cm a 400 cm, com preciso de 3mm. O shield inclui: um transmissor que, atuarecebendo um
pulsoeltricode10s,transformandoem8pulsosultrassnicosde40kHz;umreceptorque
ummicrofonesensvelaondasultrassnicas;umcircuitodecontrole.
De acordo com testes realizados pelo fabricante do shield, o ngulo de atuao de
aproximadamente30,conformeilustradonaFigura4.

Figura4EspecificaodongulodedetecodoshieldultrassnicoHRCSR04.
Fonte:http://www.webtronico.com/documentos/HCSR04.pdf

ConstruodoProttipo
Para construo do prottipo do sistema de deteco de obstculos, foram realizados
testesiniciaiscomsensoresinfravermelho,comafinalidadedemontagemdeumprottipomais
sensvel, com mais de um sensor, tentando adaptar cada um, a uma posio mais adequada.
Entretanto, foi percebido que o sensor infravermelho utilizado, no apresentou respostas
adequadas, uma vez que sua sensibilidade ficava sujeita a iluminao, fosse natural ou de
lmpadas fluorescentes. Um dos problemas detectados que durante o dia, o sistema de
detecoficavamenossensvel,enoite,estesistemamelhorava,pormsofriaproblemascom
a radiao proveniente das lmpadas. Tal sensor no se mostrou confivel quando os objetos
possuam cores escuras, os quais absorviam a luz em vez de refletir como esperado, e ainda
ficavalimitadoaobjetosopacos.
Comisso,foidefinidaautilizaodosensorultrassnico,atravsdousodo shieldHRC
SR04,porjserconsolidadocomodetectordedistncia,fazendoasadaptaesnecessriaspara
aaplicaodedetecodeobstculosparadeficientesvisuais.
Para a realizao do processamento dos sinais provenientes deste shield, foi utilizado o
Arduino Uno, que consiste em uma plataforma de prototipagem eletrnica opensource, que
utiliza um microcontrolador ATmega328, alm de um ambiente de programao prprio,
baseadonaslinguagensdeprogramaoC/C++. A Figura 5 ilustra o circuito projetado para o
sistema de deteco, no qual o mesmo realiza a multiplexao dos sinais provenientes dos
sensoresultrassnicos,utilizandoduasentradasdigitaisdoArduino.
O algoritmo bsico para funcionamento do prottipo apresentado na Figura 8.
Alteraes podem ser aplicadas para incluso de novos sensores e refinamento das distncias,
medianteoaperfeioamentodoprojetoeofeedbackdosusurios.

Figura5EsquemadamontagemArduinoUNO/HCSR04.

Figura8Algoritmoparaaimplementaodoprottipo.

3. RESULTADOSPRELIMINARES
Os primeiros resultados, obtidos com o desenvolvimento do prottipo do sistema de
detecoparadeficientesvisuais,mostraramseconfiveisparadistnciasde100cm,distncia
estaconsideradaadequadaesuficienteparaumadetecoseguradeobstculos,duranteuma
caminhadanatural.Oprottipofoiprojetadoparaficarlocalizadoalturadoabdmen,deforma
a ajudar na percepo de obstculos localizados frente do usurio, conforme possvel

observarnaFigura9.Entretanto,aolongodoperododetestes,foipercebidaanecessidadede
acrescentarmaissensoresparadetectarobstculosnaslateraisediagonais,almdealturasmais
baixas,deformaatrazerumaseguranamaioreevitartropeos.Dessaforma,foiacrescentado
mais um sensor ultrassnico para ser utilizado em uma das mos, a qual ficar fazendo uma
varreduramaisampla,fornecendoumajustefinonapercepodosobstculos.

Figura9Prottipodesenvolvidoparaosistemadedetecoparadeficientesvisuais.

Comrelaoeficciadoprottipo,elefoibastantebemrecebidoporumaportadorade
deficincia visual que nos auxiliou nos testes no IFPB, fornecendo informaes sobre o que
deveriasermantidoe/oumodificadonoprojeto.Emgeral,umbomincrementoseriaaadiode
sensoresparaidentificaodeobstculosalturadacabeacomogalhos,placas,orelhes,etc.,
que est de acordo com alguns trabalhos j desenvolvidos anteriormente no qual se prope a
utilizao do sensor em culos (CELESTINO & ABE, 2011) e (GONZATTO et al, 2009), alm de
utilizao de sensor ptico na altura da cintura (SILVA et al, 2009), ou ainda o uso de uma
bengalaequipadacomsensores(SILVA&RAMIREZ,2012)e(SANTOSetal,2012).
4. CONSIDERAESFINAIS
Diante dos primeiros resultados obtidos, foi possvel realizar a aplicao do uso de
tecnologia para que pessoas com alguma deficincia, e neste caso especfico, com deficincia
visual, possam ser inseridas socialmente, facilitando o seu diaadia. Com opinies obtidas de
uma portadora de deficincia visual, verificouse que o prottipo poder melhorar a
acessibilidadedestaspessoas.
Sero testadas novas arquiteturas fsicas para a montagem dos sensores ultrassnicos,
almdetestescomdeficientesvisuais,paraaprimoramentodoprottipo.
AGRADECIMENTOS
OsautoresagradecemaoIFPBpeloapoiofinanceiro.

REFERNCIAS
CELESTINO,U.;ABE,J.M.Dispositivoeletrnicoparaauxlionalocomoodedeficientesvisuais
e/ou auditivos baseado na lgica paraconsistente anotada evidencial E. INGEPRO Inovao,
GestoeProduo,v.03,n.08,p.1120,agostode2011.
GONZATTO, A. et al. culos sonar para deficientes visuais. XIII Encontro Latino Americano de
IniciaoCientfica.SoJosdosCampos:UNIVAP,2009.
IBGEInstitutoBrasileirodeGeografiaeEstatstica.Censodemogrfico.Tabela1.3.1Populao
residente,portipodedeficincia,segundoasituaododomiclioeosgruposdeidade.Brasil
2010.
MANSO,M.E.G.OsportadoresdenecessidadesespeciaiseonovoCdigoCivil,2003.Disponvel
em: <http://jus.com.br/artigos/4314/osportadoresdenecessidadesespeciaiseonovocodigo
civil>.Acessoem:abril,2014.
SANTOS,J.P.etal.UmaAvaliaodaBengalaEletrnica(tecnologiaAssistiva),paraaMelhoria
de Mobilidade dos Deficientes Visuais. IX Simpsio de Excelncia em Gesto e Tecnologia.
ResendeRJ:AEDB,2012.
SILVA,M.C.etal.Desenvolvimentodeumdispositivocomputacionalparaauxlio locomoo
dedeficientesvisuais:estudospreliminares.IISemanadeCinciaeTecnologiadoIFMGcampus
BambueIIJornadaCientfica.BambuMG:IFMG,2009.
SILVA, R. F. L.; RAMIREZ, A. R. G. Locomoo independente: contribuio aos programas de
orientaoemobilidade.InformticanaEducao:teoria&prtica.PortoAlegre,v.15,n.2,p.
183197,2012.
WHO World Health Organization. Visual impairment and blindness Fact Sheet N282, 2013.
Disponvel em: <http://www.who.int/mediacentre/factsheets/fs282/en/>. Acesso em: abril,
2014.

PRDIAGNSTICODEPATOLOGIASLARNGEASPORMEIODEANLISEMELCEPSTRAL
G.L.Ribeiro(IC),R.G.G.Carvalho(IC)2,S.C.Costa (PQ)3 eW.C.A.Costa(PQ)4
UnidadeAcadmicadeIndstriaEngenhariaEltrica,IFPB.Email:girleneng@gmail;2UnidadeAcadmicade
IndstriaEngenhariaEltricaIFPB.Email:rafaelagcc@gmail.com;3UnidadeAcadmicadeIndstria
EngenhariaEltricaIFPB.Email:silvana@ifpb.edu.br;4UnidadeAcadmicadeIndstriaEngenhariaEltrica
IFPB.Email:washington@ifpb.edu.br.

RESUMO
A pesquisa dispese a avaliar a eficincia da

saudvel, empregada uma tcnica de aprendizado de

Anlise Melcepstral na deteco de patologias

mquinas, por meio de Mquinas de Vetor de Suporte

larngeas. Como caractersticas representativas dos

(SupportVectorMachineSVM).Osresultadosobtidos

sinais em patolgico ou saudvel so utilizados os

sugerem que o mtodo utilizado pode ser indicado

coeficientes mel cepstrais, com abordagem no

como uma ferramenta no invasiva de apoio ao

paramtrica no domnio da frequncia (MFCC Mel

diagnsticodepatologiaslarngeas.

Frequency

Cepstral

Coefficients).

As

patologias

consideradasso:edema,nduloseparalisianaspregas
vocais. Para a classificao dos sinais em patolgico ou

PALAVRASCHAVE:Patologialarngea,melcepstral,anliseacstica.

PREDIAGNOSTICOFLARYNGEALPATHOLOGIESBYMELCEPSTRALANALYSIS

ABSTRACT
The research sets out to evaluate the

fold paralisys. For the signal classificationon healthy

efficiencyoftheMelcepstralanalysisinthedetection

or pathological the technique of machine learning,

of laryngeal pathologies. As the representative

through Support Vector Machines (Support Vector

features of the healthy and pathological signals will

Machine SVM) is used. The obtained results

be used Mel Frequency Cepstral Coefficients, with

suggeststhattheemployedmethodcanbeindicated

nonparametric approach in the frequency domain

asanoninvasivetooloffordiagnosisaidoflaryngeal

(MFCC Mel Frequency Cepstral Coefficients). The

pathologies.

consideredpathologiesareedema,nodulesandvocal

KEYWORDS:Laryngealpathology,melcepstral,acousticanalysis.

PRDIAGNSTICODEPATOLOGIASLARNGEASPORMEIODEANLISEMELCEPSTRAL

INTRODUO

Aproduodafalaenvolvebasicamentetrsprocessos:aproduodosomglticopela
vibraodaspregasvocais,seguidadaressonnciaedaarticulaodestesom,queocorremno
tratovocalsupragltico(BEHLAU,2001).
Patologiasnalaringetmaumentadomuitonosltimosanosdevidoahbitossociaisno
saudveistabagismoealcoolismoeoabusovocal.Astcnicastradicionaisempregadaspela
comunidade mdica ocorrem pela escuta da voz do paciente, cujo diagnstico depende da
experincia do profissional ou pela inspeo direta das pregas vocais por meio de tcnicas
laringoscopias,oquecausacertodesconfortoaopaciente(GodinoLlorenteetal.,2006).
A qualidade vocal definida principalmente pela abertura da glote epelos movimentos
(ondas mucosas) peridicos que definem a velocidade e o fluxo respiratrio que vai chegar ao
trato vocal. Portanto, qualquer disfuno que possa existir nesses formadores afetar
diretamenteosistemafonatrio.Quandoaharmonianomantida,obtmseumsomdem
qualidade para os ouvintes e emitido com dificuldade e desconforto para o falante. Fatores
ambientaisefsicospodeminterferirnopadroadequadodaqualidadevocal(BOONE,1996).
Tcnicas baseadas em processamento digital de sinais de voz tm sido sugeridas para
seremempregadascomoferramentaauxiliaraosexamestradicionais,umavezquepodemserde
menor custo ao paciente, e ainda permitem o compartilhamento remoto de pronturios, bem
comopossibilitamumasegundaopiniopormeioderedesdeTelemedicina(GODINOLLORENTE
etal.,2006).
Osinaldevozpodeserconsideradocomooresultadodaconvoluodosinaldeexcitao
comarespostadeumsistemalinearvariantenotempoquerepresentaotratovocal.Medidas
tradicionaisbaseadasnomodelolineardeproduodafalasoempregadasconsiderandoquea
vozsejaproduzidaporumconjuntofontefiltro(laringetratovocal)(COSTA,2008).
Essencialmente, dois mtodos paramtricos baseados no modelo linear para o
mecanismodeproduodafalahumanatmsidoconsideradosatento.Oprimeiroobtido
da anlise preditiva linear (Linear Predictive Coding LPC) e o segundo baseado na anlise
cepstral(AGUIARNETOetal,2007a;AGUIARNETOetal,2007b;MARINAKIetal,2004;PARSA&
JAMIESON,2001;ROSAETal,2000;GAVIDIACEBALLOS&HANSEN,1996).
1. AnliseCepstral
Aanlisecepstralpermitequeosinaldeexcitaoeosinalextradodotratovocalsejam
estudados separadamente, ajudando na anlise do comportamento das pregas vocais. Essa
anliseumadeconvoluoqueconverteumprodutodedoisespectrosnasomadedoissinais,
por meio da filtragem linear, visto que o sinal de voz, x(n), na Equao (1) o resultado da
convoluo da excitao (ex(n)) com a resposta do trato vocal (v(n)), eria til separar ou
deconvoluirasduascomponentes.

(equao 1)

AtransformadadeFourierefuneslogartmicassodegrandeimportncianadefinio
dafunochamadacepstroresponsvelpeladecomposiodosinaldevoz,dadapor:
(equao 2)

EmqueX(ejw)representaatransformadadeFourierdosinal.AplicaseaDFTemc(n)obtendose:
(equao 3)

Assim,aanlisecepstraldosinaldevozpermitetrabalharcomascomponentesdosinal
correspondentes excitao e as respectivas modificaes introduzidas pelo efeito de
renossncia no trato vocal, separadamente. O estudo das alteraes na voz produzidas pelas
pregas vocais , ento, facilitada devido s suas propriedades homomrficas, que permitem a
separao das caractersticas do filtro do trato vocal do sinal de excitao. A anlise cepstral
pode ser aplicada no projeto de codificadores de voz do tipo vocoders, anlise de formantes e
detecodefrequnciafundamental(OSHAUGHNESSY,2000).
Aaplicaodessatcnicanoestudodosinalacsticodevozesalteradaspoderiadetectar
modificaes no sinal de voz que se relacionem com as alteraes larngeas e,
consequentemente, identificar modelos para uma classificao, permitindo a obteno de uma
ferramentadediagnsticonoinvasiva.
Apartirdaanlisecepstralsurgiuanlisemelcepstral,pelanecessidadedeseobterum
resultado mais preciso de estudos feitos em frequncia, pois a percepo da frequncia da
audio humana diferente da frequncia real. Os coeficientes melcepstrais (Melfrequency
CepstralCoefficientsMFCC)surgiramdevidoaosestudosnareadepsicoacstica(cinciaque
estudaapercepoauditivahumana),quemostraramqueapercepohumanadasfrequncias
detonspurosoudesinaisdevoznosegueumaescalalinear(COSTA,2008).Foidesenvolvida
entoumaescalamel,Equao(4),quecorrelacionacadatomcomumafrequnciarealcomum
tom subjetivo medido. Dessa forma, podese aperfeioar o estudo de reconhecimento de voz,
tendo em vista que a frequncia utilizada ser a frequncia que o ouvido humano consegue
perceber.

(equao 4)

Adiferenaentreoclculodoscoeficientescepstraisedoscoeficientesmelcepstraisest
na aplicao de um banco de filtros digitais ao espectro real do sinal, antes da aplicao da
funologartmica.Taisfiltrosnoestolinearmenteespaadosnodomniodafrequncia.
Paraobtenodoscoeficientesmelcepstrais(MFCC),apartirdoscoeficientescepstrais,
devese a seguir aplicar filtros digitais espaados segundo uma escala acusticamente definida
(escala mel). Aps o mapeamento das frequncias acsticas para a escala de frequncias
percebidas,pelaEquao(4),aplicadoumbancodefiltrosespaadoslinearmentenodomnio

mel.Issocorrespondeaplicaodefiltrosdigitaisespaadossegundoaescalamel,nodomnio
dafrequncia(verexemplonaFigura1).

Figura1Bancodefiltrosdigitaisnaescalamel(OSHAUGHNESSY,2000).

Na Figura 2 ilustrado o processo de obteno dos coeficientes melcepstrais (DIAS,

2000).

Figura2Processodeobtenodoscoeficientesmelcepstrais(DIAS,2000).

Osinaldevozprprocessado(segmentao,janelamentoeprnfase).Oscoeficientes
mel cepstrais so obtidos a partir de cada janela do sinal, depois de realizados os seguintes
processamentos(ANDREO,2001;COSTA,2008):
Clculodoespectrodemagnitudedosinal(|FFT|2);
Aplicaodobancodefiltrostriangularesemescalamel;
Clculo do logaritmo da energia de sada de cada filtro. A aplicao do logaritmo
necessria para a obteno do cepstro. So utilizados geralmente 20 filtros de formato
triangular.Noentanto,aquantidadedefiltrosbaseadanafrequnciadeamostragem
(Fa)(3.ln(Fa)).
Finalmente, o processo de obteno dos coeficientes MFCC pode ser matematicamente
descritopor(OSHAUGNESSY,2000;GODINOLLORENTE,2006;ANDREO,2001)

(equao5)

emqueNfonmerodefiltrosdigitaisutilizados,cmel(n)onsimocoeficientemelcepstrale
Sf(k)osinaldesadadobancodefiltrosdigitais,dadopor
(equao6)

em que Wk(j) so as janelas de ponderao triangulares associadas s escalasmel e X(j) o

espectrodemagnitudedaFFTdeNpontos(OSHAUGNESSY,2000;GODINOLLORENTE,2006).

2. MquinaseVetordeSuporte
A mquina de vetor de suporte um mtodo de aprendizagem elegante e altamente
fundamentado em princpios para o projeto de uma rede alimentada com uma nica camada
ocultadeunidadesnolineares.Oprojetodamquinadependedaextraodeumsubconjunto
dos dados de treinamento que servem como vetores de suporte e, portanto representa uma
caractersticaestveldosdados(HAYKIN,2008).
A extrao dos subconjuntos de treinamento e teste pode ser realizada fazendo uso da
tcnicadevalidaocruzada,queconsisteemparticionaroconjuntodedadosemsubconjuntos
distintos de validao e treinamento, cujo objetivo treinar a mquina e validar os resultados
obtidos.
Em sua forma bsica as mquinas de vetor de suporte so classificadores lineares que
separamosdadosemduasclassesatravsdeumhiperplanodeseparao.Umhiperplanotimo
separaosdadoscomamximamargempossvel,queobtidapelasomadasdistnciasentreos
pontospositivoseospontosnegativosmaisprximosdohiperplano.Essespontossochamados
de vetores de suporte e esto circulados na Figura 3. O hiperplano construdo com base em
treinamentoprvioemumconjuntofinitodedados(VAPNIK,1999).

Figura3ClassificaodeumconjuntodedadosusandoumaSVMlinear(RODRIGUESetal2007).

Considerandoumaamostradetreino
,aequaodeumasuperfciededeciso
naformadeumhiperplanoquerealizaaseparaorepresentadanaEquao(5),ondexo
vetordeentrada,wumvetorajustvelebumbiasquetemoefeitodeaumentaroudiminuir
aentradalquidadafunodeativao,e arespostadesejadacorespondente.

(equao7)

Podendoserescritadaseguinteforma:

(equao8)

OspontosdedadosparticularesparaosquaisaprimeiraousegundalinhadaEquao(8)
satisfeita com o sinal de igualdade, so chamados de vetores de suporte, so os pontos de
dadosqueseencontrammaisprximosdasuperfciededeciso.
As SVMs lineares so eficazes na classificao de conjuntos de amostras linearmente
separveis,pormapresentamalgunsrudosououtliers.NasSVMsnolineares,umespaode
entradasnolinearespodesertransformadoemumespaodecaractersticasnoqualcomalta
probabilidade os dados podem ser separados linearmente. Devido alta complexidade do
processamentocomputacionalutilizadaafunoKernel,suaprincipalutilidadeasimplicidade
nos clculos e sua capacidade de representar espaos abstratos. Alguns dos Kernels mais
empregadossoosPolinomiais,SigmoidaiseosGausianosouRBF(RadialBasisFunction).Cada
um deles possuem parmetros que devem ser definidos pelo usurio, como exemplo o Kernel
Sigmoidalquesatisfazascondiesapenasparaalgunsvaloresde,querepresentaalargurado
hiperplano,ouespalhamento,dadopelafunoRBF,especificadapelousurio(HAYKIN,2001).
Paraoncleodoprodutointerno,serusadaafunobaseradialdadapor:

(equao9)

OparmetroCcontrolaocompromissoentreacomplexidadedamquinaeonmerode
pontosnoseparveis,selecionadopelousurioexperimentalmente(HAYKIN,2001).

MATERIAISEMTODOS

Esse trabalho trata da aplicao de uma tcnica de desenvolvimento de rotinas simples,

todasutilizandoosoftwareMATLAB.Ossinaisprocessadosdurantetodotrabalhofazemparteda
base de dados comercial: Disordered Voice Database, Model 4337, da Kay Elemetrics
amplamente empregada em trabalhos cientficos internacionais, desenvolvida pelo
MassachusettsEyeandEarInfirmary(MEEI)VoiceandSpeechLab(KAYELEMETRICS,1994),essa
basededadosconstitudade710gravaesdesinaisvozessendo657vozespatolgicase53

vozes saudveis, as gravaes contm de 1 a 3 segundos da vogal sustentada /a/. Foram

utilizados 167 sinais de vozes distribudos em 53 sinais normais (SDL), 44 sinais com edema de
Reinke(EDM),18sinaiscomndulo(NDL)e52comparalisianosnervoslarngeos(PRL).
As etapas da realizao desse trabalho iniciaramse com o tratamento do sinal de voz,
nessaetapafoirealizadaaprnfasedosinal,segmentaoejanelamento,utilizandoajanela
de Hamming. Depois, ocorreu a aquisio das caractersticas mel cepstrais, na qual foram
extrados12coeficientesformandoumvetordecaractersticas.Logoaps,fezseaquantizao
vetorialdosdadosobtidosemumamatriz64x12,sendo64onmerodenveisdoquantizadore
12 a ordem do coeficientes extrados por segmento do sinal, a fim de minimizar os custos
computacionais.Eporfim,foifeitaaclassificaoutilizandoSVM.

RESULTADOSEDISCUSSO

Apsotratamentodecadasinaldevoz,foifeitaaconcatenaodas53vozessaudveis,
transformandoasemumnicosinal.Omesmoprocedimentofoiaplicadoaos114sinais

patolgicos.

Oscoeficientesmelcepstraisdosinalnormalconcatenadoforamextradosequantizados,
assimcomoadosinalpatolgico,resultandoemumamatrizdecaractersticasdeordem64x12.
Na classificao foram analisados dois parmetros: C e sigma, variandoos
independentemente,segundoaTabela1.Ovalorqueapresentaromelhorvalordeacurciaser
empregadonoclassificador.

Tabela1VariaodosParmetrosCesigmanaSVM.

ParmetroC Parmetrosigma

Os valores do parmetro sigma foram variados para analisar a confiabilidade da

classificao, usandose a mdia da acurcia de cada valor de sigma, que indica a preciso da
classificao, segundo o grfico da Figura 5 Observouse que os melhores resultados foram
obtidos com a ordem do valor de sigma menor que 10, sendo a melhor acurcia obtida com

sigma=1.

Figura5AcurciaemrelaoaSigma.

JoparmetroCfoiavaliadoafimdemelhorarosresultadosobtidosdeacordocoma
melhor resposta do parmetro sigma (sigma = 1). Observouse (Figura 6) que esse parmetro
melhoraconsideravelmenteosmaioresvaloresdaacurciaparaC>1.

Figura6VariaodaAcurciaemrelaoaC.

CONCLUSES

Pelos resultados obtidos, com taxas de classificao acima de 95%, sugerese que a
tcnica bastante promissora na discriminao entre vozes saudveis e vozes patolgicas.
Esperase que a ferramenta possa vir a ser utilizada, efetivamente, para auxlio ao pr
diagnsticodepatologiaslarngeas,bemcomonaavaliaodetratamentosteraputicoseps

cirrgicos.Pretendese,comocontinuidadedapesquisa,avaliaromtodonadiscriminaoentre
patologias.
AGRADECIMENTOS
AoCNPq/ProjetoPIBITIeaoIFPBpelosuportepesquisa.UFCGpelofornecimentodabasede
dados.

REFERNCIAS
1. AGUIARNETO,B.G.,COSTA,S.C.,FECHINE,J.M.,MUPPA,M.,AcousticFeaturesofDisordered

Voices Under Vocal Fold Pathology. 19th International Congress on Acoustics (ICA07),
Madrid,
September
2007a.
Disponvel
em
http://www.seaacustica.es/WEB_ICA_07/fchrs/papers/cas03003.pdf.
2. AGUIARNETO,B.G.,FECHINE,J.M.,COSTA,S.CUNHA,MUPPA,M.,FeatureEstimationfor

Vocal Fold Edema Detection Using ShortTerm Cepstral Analysis. Proceedings of the 7th
International Conference on Bioinformatics and Bioengineering, 1417 Oct., page(s) 1158
1162,2007b.
3. ANDREO, R. V. Implementao em Tempo Real de Um Sistema de Reconhecimento de

DgitosConectados.UniversidadeEstadualdeCampinasFaculdadedeEngenhariaEltricae
deComputao.DissertaodeMestrado.Janeiro2001.
4. BEHLAUM.VozOlivrodoespecialista.VolumeI.RiodeJaneiro:Revinter,2001.
5. BOONE, D. Sua Voz Est Traindo Voc? Como Encontrar e Usar sua Voz Natural. Artes

Mdicas.PortoAlegre,1996.
6. COSTA,SilvanaL.doN.C.AnliseAcstica,BaseadanoModeloLineardeProduodaFala,

para Discriminao de Vozes Patolgicas, Tese de doutorado, Universidade Federal de

CampinaGrande(UFCG),2008.
7. DIAS, R. de S. F. Normalizao de Locutor em Sistema de Reconhecimento de Fala.

Universidade Estadual de Campinas Faculdade de Engenharia Eltrica e de Computao.

DissertaodeMestrado,Novembro2000.

8. GAVIDIACEBALLOS, L. and HANSEN, J. H. L. Direct Speech Feature Estimation Using an

Interactive EM Algorithm for Vocal Fold Pathology Detection, IEEE Trans. on Biomedical
Engineering,Vol.43,No.4,April,1996.
9. GODINOLLORENTE,J.I.,GMEZVILDA,P.,BLANCOVELASCO,M.DimensionalityReduction

of a Pathological Voice Quality Assessment System Based on Gaussian Mixture Models and
ShortTerm Cepstral Parameters. IEEE Transactions on Biomedical Engineering, Vol. 53, No.
10,2006.
10. HAYKIN, S. Redes Neurais Princpios e Prtica. Porto Alegre: ArtmedEditora S.A. 2 Edio,

2001.


11. MARINAKI, M., CONTROPOULOS, C., PITAS, I. and MAGLAVERAS, N. Automatic Detection of

VocalFoldParalysisandEdema.Proc.Of8thConf.SpokenLanguageProcessing(Interspeech
2004),Jeju,Korea,October,2004.
12. OSHAUGHNESSY, D. Speech Communications: Human and Machine. 2nd Edition, NY, IEEE

Press,2000.
13. PARSA, V. and JAMIESON, D. G. Acoustic Discrimination of Pathological Voice: Sustained

VowelsversusContinuousSpeech.JournalofSpeech,Language,andHearingResearch,Vol.
44,April,2001,pp327339.
14. ROSA M. de O., PEREIRA, J. C., and GRELLET, M. Adaptive estimation of Residue Signal for

VoicePathologyDiagnosis,IEEETrans.onBiomedicalEngineering,Vol.47,No.1,pp.96104,
2000.
15. RODRIGUES,R.B.,VIANA,R.,PISTORI,H.,ALVAREZ,M.A.MquinasdeVetoresdeSuporte

Aplicadas Classificao de Defeitos em Couro Bovino. GPEC Universidade Catlica Dom

Bosco,2007.
16. VAPNIK,V.ThenatureofStatisticalLearningTheory,NovaYork,SpringerVaerlag,1995.

AVALIAODEARTIGOCONNEPI2014
TCNICASDEREALCEESEGMENTACAODEIMAGENSCINTILOGRFICASDOMIOCRDIO

Pgina2
processamentosubseqentedaimagem
Comentrio:otremafoiabolidopelaltimareformaortogrfica.
Pgina3
BloodshedDevC++
Comentrio:otermoseparado:BloodshedDevC++
utilizamosinicialmenteesoftwareMATLAB.
Comentrio: acho que o texto fica mais entendvel se o "e" for substitudo por "o",
almdetermoescritosemoutraslnguasdevemserescritosemitlico.
Pgina4
Onde DB (nvel de cinza da imagem de sada), DA (nvel de cinza da imagem de
entrada)
Comentrio:AcreditoqueoBeoAsosubscritos.
b(coeficientelineardaoperao).Comesteoperador,onvel
Comentrio:Faltaespao.
Ohistogramadeumaimagemdigitalnointervalo[0,L1]
Comentrio:Faltaespao.
p(rk)=nk/n,emquerkoksimonveldecinza,nkonmerodepixelsnaimagem
comessenveldecinza
Comentrio:termossubscrito.
indicandoafreqncia
Comentrio:otremafoiabolidopelaltimareformaortogrfica.
empassabaixa,passaaltaoupassabanda.
Comentrio:onobreautorestavaenumerandoostiposdefiltros,masosfiltrospassa
altaepassabandasodistintos,logo,aoinvsdeescrever"ou"seriaum"e".

Pgina5
altasfreqncias
Comentrio:otremafoiabolidopelaltimareformaortogrfica.
Comentriosaoautor
Otrabalhobastanterelevante,pormaescritanoestbemadequada,poisexistem
erros ortogrficos e a linguagem no clara e objetiva conforme a exigncia das
normas. Dada a importncia do tema e sua aplicao, ento o trabalho ser
recomendado, mas algumas correes devem ser realizadas inclusive no
embasamento do trabalho desenvolvido chamando as referncias bibliogrficas
elencadas,porexemplo.

PRDIAGNSTICODEPATOLOGIASLARNGEASBASEADOEMESCALOGRAMAWAVELET
S.E.N.Correia(PQ);S.L. N.C.Costa (PQ)1; C.B.Aguiar (IC)1
1
InstitutoFederaldaParaba(IFPB)CampusJooPessoa
suzete.correia@gmail.com,silvanacunhacosta@gmail.com,burlececilia@gmail.com

RESUMO

Neste artigo apresentada uma anlise de

sinaisdevoz,atravsdeescalogramas,obtidospormeio
da transformada wavelet contnua, a fim de distinguir
padres diferenciveis na disposio dos eventos nos
escalogramas obtidos. O mtodo pode ser utilizado
como ajuda no prdiagnostico de patologias larngeas,
comotratadonestetrabalho,ndulos,edemadeReinke
e paralisia das pregas vocais. A wavelet chapu
mexicana foi utilizada com escalas de 1 a 128 para

produzir os escalogramas e identificar as diferenas

entre os sinais saudveis e afeatados por patologias
larngeas. As caractersticas observadas tornam o
escalograma atrativo, padres diferentes e claros
podem ser usados para caracterizar uma patologia
especfica. O mtodo empregado apresentase
promissor como uma ferramenta de auxlio ao
diagnsticodepatologiaslarngeaseacompanhamento
teraputico.

PALAVRASCHAVE:prdiagnsticodepatologiaslarngeas,escalograma,transformadawaveletcontnua.

LARYNGEALPATHOLOGYPREDIAGNOSTICBASEDONWAVELETESCALOGRAMA

ABSTRACT

In this article an analysis of speech signals is

providedthroughscalogramsobtainedbymeansofthe
continuous wavelet transform, in order to distinguish
the distinguishable patterns in obtained scalograms
events. The method can be used as an aid in the pre
diagnosis of laryngeal diseases, as discussed in this
paper,nodules,Reinke'sedemaandvocalfoldparalysis.
The Mexican Hat wavelet was used with scales 1128

scalograms to produce and identify the differences

between healthy and laryngeal pathologies affected
signals.Thesecharacteristicsmakescalogramattractive,
sothatdifferentpatternscanbeusedtocharacterizea
specific pathology. The method is presented as a
promising tool for the diagnosis of laryngeal diseases
andtherapeuticmonitoring.

KEYWORDS:prediagnosisoflaryngealpathology,scalogram,continuouswavelettransform.

PRDIAGNSTICODEPATOLOGIASLARNGEASBASEADOEMESCALOGRAMAWAVELET

1INTRODUO
A voz produzida no trato vocal e resultado da integrao entre a fonao e a
ressonncia.,portanto,umatributopeculiaraoserhumanoe,almdosaspectosfisiolgicos,
funcionacomoumveculodeexpressodapersonalidade,dasemoeseatmesmodoestado
psicoemocionaldoindivduo.Assimsendo,avozumamanifestaocombasepsicolgica,mas
desofisticadoprocessamentomuscular(BEHLAU,2001).
No existem definies exatas ou aceitveis sobre as caractersticas da voz normal, de
modo que no h padres ou limites definidos a este respeito (CASPER e COLTON, 1996). A
avaliaofonoaudiolgicauminstrumentoeficazparaaanlisedosdistrbiosvocaisqueest
relacionada a processos patolgicos que afetam a produo da voz, geralmente envolvendo as
dobras vocais e a mucosa larngea, causados por fatores orgnicos ou funcionais. A avaliao
vocal tem sido, ao longo das dcadas, tema de constante aperfeioamento, tanto na
FonoaudiologiaquantonaOtorrinolaringologiaenaCirurgiade CabeaePescoo(NERMetal,
2005).Asavaliaesfonoaudiolgicasdavozmaisutilizadassoaavaliaoperceptivoauditiva,
subjetivaeaanliseacstica.
Aanliseacsticadosinaldevozpodeserempregadaparaauxlioaoprdiagnsticoe
acompanhamentofonoterpicodasdoenasdalaringequeacometemasdobrasvocais.uma
tcnicanoinvasiva,naqual,apartirdavozgravadadopaciente,possvel,utilizandotcnicas
deprocessamentodigitaldesinais,extraireanalisarcaractersticaseparmetrosdosinaldevoz.
Por meio do estudo desses parmetros e caractersticas possvel fazer um modelamento
acsticodapatologiaemestudo(COSTA,2008).
A deteco precoce de patologias larngeas aumenta significativamente a eficcia do
tratamento. Para auxiliar o diagnstico mdico, tcnicas de processamento digital de sinais
podemserusadasparaavaliaraqualidadevocal,atravsdaanliseacstica,quepodemjunto
com as tcnicas convencionais clnicas, melhorar o diagnstico e o tratamento. Alm disso,
diminui desconforto para o paciente, gerando uma avaliao quantitativa dos critrios de
avaliao da qualidade da voz e possibilitando o desenvolvimento de sistemas automticos de
auxlioaodiagnsticoporcomputadorcombaixocusto(PARRAGA,2002).
Diversos trabalhos, na literatura recente, empregam as wavelets como extratores de
caractersticas na discriminao entre vozes saudveis e patolgicas (KUKHARCHIK et al, 2007;
FONSECA et al, 2007; NAYAK, 2005; JO e KIM, 1998). Neste artigo, apresentada uma nova
ferramentaparaprdiagnsticodepatologiaslarngeasbaseadoemescalogramaswavelet.
Aanlisedavariaodoespectrodosinalnestetrabalhofeitapormeiodoescalograma,
ou seja, utilizando a transformada wavelet contnua. O escalograma difere do espectrograma
pelacapacidadedevariaodaresoluoutilizadadeacordocomafrequnciaanalisada,capaz
de utilizar janelas de tempo pequenas nas altas frequncias e maiores janelas nas frequncias
mais baixas. Essa capacidade de multirresoluo faz do escalograma uma ferramenta eficaz na
anlisedossinaisdevoz(PENGeCHU,2004).

Na Seo 2so apresentados todos os conceitos tericos utilizados, como as patologias

larngeaseseusefeitosnavoz,assimcomoumabreverevisodatransformadawaveletcontnua
e dos escalogramas. Na Seo 3 descrevese a base de dados e a metodologia empregada. Os
resultadosediscussonaSeo4e,porfim,naSeo6,asconcluses.

2FUNDAMENTAOTERICA
2.1PATOLOGIASLARNGEAS

Maushbitos,comootabagismoeoconsumoexcessivodelcool,almdoabusovocal
soascausasprincipaisdaspatologiasmaiscomunsdalaringe como plipos,ndulos,cistose
edemasdeReinke,quesopatologiasdasdobrasvocais(COSTA,2008).
A voz uma das expresses mais fortes da personalidade humana. Na Figura 1 esto
ilustradas as laringes de uma pessoa com voz considerada normal e de vozes afetadas por
ndulos vocais, edema de Reinke e por paralisia nas pregas vocais. Uma voz considerada
normalquandonohesforonasuaproduo,comomostradonasdobrasvocaisdaFigura1a.
Quando a harmonia no mantida, obtmse um som de m qualidade para os ouvintes e
emitido com dificuldade e desconforto para o falante. Fatores ambientais e fsicos podem
interferirnopadroadequadodaqualidadevocal(BOONE,1996).

Figura1a)Dobrasvocaissaudveis(VIEIRA,2011);b)Ndulosvocais(KUHL,1982);c)Dobras
vocaiscomedemadeReinke(KUHL,1982);d)Dobrasvocaiscomparalisialateralesquerda
(VIEIRA,2011)

Quantoaossinaisacsticos,importantelembrarqueavozproduzidapormovimentos
das dobras vocais interrompendo o fluxo de ar regressivo. Os movimentos das dobras so
controlados pelas caractersticas biomecnicas das prprias dobras vocais, pela magnitude da
presso de ar abaixo das dobras e por seu controle neural. A patologia pode afetar tais
movimentosinterferindoemquaisquerdessasvariveis(PARRAGA,2002).
Afrequnciafundamentaldafalaesuasvariaes,aextensofonatria,asperturbaes
naamplitude,rudoespectraleotempodefonao,soalgunsdossinaisacsticosquepodem
sermedidoseapartirdosquaispossvelavaliaraqualidadevocaleapresenadepatologia.A
presenadepatologiapodeafetarafrequnciafundamental(pitch),fazendocomquehomense
mulheresproduzamumafrequnciaexcessivamenteelevadaoubaixa,respectivamente,ouseja,
foradosvaloresmdiosusuaisparaosexo(COSTA,2008).
Entre as patologias da laringe, que afetam particularmente as dobras vocais, as

destacadasnessetrabalhosero:ndulosvocais,edemasdeReinkeeparalisia.

2.1.1NDULOSVOCAIS

Ndulos vocais so protuberncias bilaterais crnicas na extremidade livre e superfcie

inferiordasdobrasvocaismembranosas,ilustradonaFigura1b.Elesinterferemnaproduoda
voz (KUHL, 1982) e so as leses benignas das dobras em todas as faixas etrias. Os ndulos
interferem na vibrao normal e provocam rouquido, soprosidade e perda do alcance da
frequncia,especialmentenasfrequnciasmaisaltas.
Amassaaumentadadosndulosnasdobrasvocaiscontribuiparaumaalturadevozmais
grave e maior periodicidade (julgada como rouquido). Isso leva a um tipo de voz soprosa,
montona, que, muitas vezes, parece carecer de ressonncia apropriada. As caractersticas
acsticasdonduloapresentamjitter(oscilaesemtornodafrequnciafundamentaldavoz)e
shimmer(perturbaodafrequnciafundamental,masrelacionadaamplitudedaondasonora,
ouintensidadedaemissovocal)elevados.Outrofatosoasevidnciasderudonoespectro,de
cujaintensidadedependeaseveridadedarouquidoeotamanhodaleso(PARRAGA,2002).

2.1.2EDEMADEREINKE

O edema de Reinke caracterizase pelo aumento e inchao das dobras vocais e pelo
acmulo de lquido ou material gelatinoso na camada superficial da lmina prpria (espao de
Reinke),comomostradonaFigura1c(KUHL,1982).Asdobrasvocaisaumentammuitodevolume
modificandocompletamenteaanatomiagltica(KUHL,1982;PARRAGA,2002).Humareduo
da frequncia fundamental, pois ocorre uma reduo da onda superficial da mucosa e da
amplitudenavibraodaspregasvocais.
Avozroucaebaixa,demodoqueapacientedognerofemininodesenvolveumavoz
masculinizada,quandooedemadeReinkesevero,asgrandesbolsasdelquidopodemoscilar
paradentroeparafora,produzindoumaqualidaderouca,obstrutivaeroncadaduranteosono
(BENJAMIN,2000).NoedemadeReinkedelongadata,algunspacientessofremdedisfoniaque,
diferente de qualquer tumor benigno de dobras vocais, de um timbre mais baixo, como
produzidopordobrasvocaismaisflcidas.

2.1.3PARALISIA

Paralisia a disfuno neural que imobiliza as pregas vocais, mostrado na Figura 1d. A
prega vocal pode ser paralisada na posio mediana ou lateral. No h queixa quando a prega
vocal paralisada mediana, pois o fechamento da glote geralmente completo. Porm,
comumente a prega vocal paralisada na posio lateral, resultando em soprosidade e
rouquido. Como o fechamento da glote incompleto, o indivduo tambm pode sofrer de
problemasdedeglutioetosse(VIEIRA,2011).

Para a paralisia unilateral os sintomas perceptivos so a soprosidade e a rouquido,

podendohaverdiplofonia.Naparalisiabilateraldotipoadutorocorrersoprosidadeseveraou
afonia, mas uma voz quase normal na do tipo abdutor. Podendo haver maior aperiodicidade
(jittereshimmer),extensodefrequnciareduzida,nveisderudoselevadoseumaextensode
intensidadevocalreduzida(PARRAGA,2002).

2.2TRANSFORMADAWAVELETCONTNUAEOESCALOGRAMA

Oscoeficientesdatransformadawaveletcontnua(CWT)deumafuno
finitasoobtidospelaEquao(1)(PENG,CHUeHE,2002).

Em que o asterisco representa o conjugado complexo e

geradaspeladilataoetranslaodawaveletme
HE,2002).

(1)

consiste nas wavelets filhas

,definidanaEquao(2)(PENG,CHUe

deenergia

(2)

Avarivel representaoparmetrodaescala, oparmetrodotempooutranslao,e

osdoisvariamcontinuamente.Ofator
transformada(PENG,CHUeHE,2002).

utilizadoparagarantirapreservaodeenergiada

A transformada wavelet uma transformao linear cujo modelo fsico utilizar uma
para
srie de funes oscilando com diferentes frequncias como funes janela
examinaretransladarosinal
.ApesardesimilartransformadadeFourierdecurtadurao
(STFT), possui uma diferena fundamental, que a resoluo tempofrequncia, na STFT essa
resoluo contnua, na transformada wavelet, para altas frequncias existe uma baixa
resoluo temporal. Essa habilidade adaptativa da wavelet refora seu importante papel no
campodeauxlioadiagnsticos(PENGeCHU,2004).

Nainterpretaofsica,omdulodoscoeficientesdatransformadawaveletmostracomo
aenergiadosinalvariacomotempoecomafrequncia.Paraaplicaesnaengenharia,araiz
quadrada do mdulo da CWT conhecida como escalograma que definido na Equao (3)
(PENGeCHU,2004).

(3)

O escalograma que o espectograma baseado em wavelet pode ser visto como um

padro de cores em duas dimenses. Na CWT os coeficientes wavelet so calculados para
mnimas mudanas de translao, assim como mudanas do parmetro escala. Assim, a

intensidadedacordecadapixeldoescalogramacalculadaseparadamenteeopadrodecores
resultante contm informaes sobre o tamanho e a localizao de eventos no domnio do
tempo(CHUI,1992).

O padro do escalograma obtido tambm depende da wavelet me escolhida, sinais

biolgicos geralmente exibem na sua distribuio de cores padres de autossimilaridade, e a
wavelet que semelhante ao seu formato ir retornar os melhores resultados em termos de
claridade e distino dos padres. Nesse trabalho a anlise baseada na wavelet Chapu
Mexicano, mostrada na Figura 2, que revela bons resultados comparados com outras wavelets
(NAYAKetal,2005).

Figura2FunoChapuMexicano

AfunowaveletchapeumexicanodefinidanaEquao(4),como:

(4)

3MATERIAISEMTODOS
3.1BASEDEDADOS

Ossinaisutilizadosnestetrabalhosopartedabasededadoscomercial:DisorderedVoice
Database, Model 4337, da Kay Elemetrics gravada pelo Massachusetts Eye and Ear Infirmary
(MEEI) Voice and Speech Lab (KAY ELEMETRICS, 1994). Essa base de dados foi construda para
auxiliaraanliseperceptivadevozesdesordenadas,tantoparaaplicaesclnicas,quantopara
pesquisa, e amplamente utilizada internacionalmente em diversos trabalhos relacionados
anliseacsticadesinaisdevoz.Nestetrabalho,foramprocessados53sinaisdevozesnormais,
18sinaiscomndulo,44sinaiscomedemadeReinkee52comparalisianosnervoslarngeos.
As vogais sustentadas e algumas consoantes sonoras distorcemse mais facilmente na
presenadapatologiadoqueoutrossonsproduzidosnotratovocal.Dessaforma,soutilizadas
para validar sistemas de deteco automtica de sinais de vozes patolgicas (KUKHARCHIK,
2007).Todosossinaisutilizados,nestapesquisa,sodavogalsustentada/a/comduraode1a
3segundos,gravadosemumambientecontroladoeamostradosataxasde25kamostras/s,com
resoluode16bits/amostra.
3.2METODOLOGIA

Nestetrabalhoforamobtidososescalogramasparacadasinaldevozdabasededados,
atravsdosoftwareMATLABverso7.12,aplicandoaCWTutilizandoawaveletchapumexicano

com valores de escalas de1 a 128. Depois, foram calculadas as respectivas frequncias
representadasemcadaescalaapartirdaseguinteequao(5),

(5)

emque representaafrequnciacorrespondenteescala , representaafrequnciacentral

da wavelet me utilizada e o perodo de amostragem do sinal de voz analisado. As menores
escalas representam as componentes de maior frequncia e as maiores escalas, as de menor
frequncia(NAYAKetal,2005).Assim,foramobtidososgrficostempofrequncia.

RESULTADOSEDISCUSSO
Os resultados obtidos neste trabalho so os grficos dos escalogramas obtidos no
software MATLAB para cada sinal de voz da base de dados, que permitem a observao da
existnciadepadresdiferenciadosdeacordocomainflunciadapatologianaproduodavoz.
NaFigura3estilustradooescalogramadeumsinaldevozcomvariabilidadeconsideradanos
padres de normalidade. Podem ser observados os componentes de pitch (frequncia
fundamental, correlato perceptual) nas escalas, frequncias mdias, como indicado pela linha
azuldafigura,deformaorganizadaesemalteraodopadrowavelet.

Figura3Escalogramadesinaldevozdentrodavariedadenormal
Na Figura 4 h a ilustrao do escalograma de um sinal da base de dados com ndulos
vocais. Apresentase, no grfico, perda de alcance nas frequncias mais altas. O aspecto
rouquido,caractersticaquerepresentamaioratividadenasfrequnciasmaisbaixas,podeser
visualizadonoescalograma.

Figura4Escalogramadesinaldevozcomndulosvocais

NaFigura5estmostradooescalogramadeumsinaldevozqueafetadopelapresena
deedemadeReinkecomopatologialarngea.Comodiscutidoanteriormente,humadiminuio
dafrequnciafundamental,napresenadestapatologia.Dessaforma,amaiorpartedaenergia
deve se apresentar em frequncias mais baixas, como pode ser observado no padro do
escalograma a seguir. Alm disso, um padro regular dos bales que representam as pregas
vocais,representandoumpitchbemdeterminadoemfrequnciasmenoresquevariabilidade
normal,pormcomumaaltaenergiadistribudaneles,comoesperado.

Figura5EscalogramadesinaldevozcomedemadeReinke
NaFigura6estilustradooescalogramaumsinaldevozqueapresentaparalisiadaprega
vocal. No se identifica um pitch bem definido e o padro da figura irregular, devido ao
fechamentoincompletodaglote.Hmenosintensidadevocal,demonstradapelapoucaenergia
no padro mostrado e sua maior energia se apresenta nas frequncias mais baixas, como
esperado.

Figura6Escalogramadesinaldevozcomparalisiadaspregasvocais

CONCLUSO

Neste artigo foram obtidos escalogramas atravs da transformada wavelet contnua.

Esses escalogramas foram empregados como ferramenta visual para auxlio na deteco de
patologiaslarngeas.Informaes,comopitch,variaodopitch,concentraodeenergia,rudo
glotal, diferena na durao dos pulsos glotais que se caracteriza por padres repetitivos de
duraovarivel,podemserobservadospeloescalograma.Dessaforma,escalogramapodese
tornar uma ferramenta real para ser aplicada no apoio ao diagnstico de patologias larngeas.
Como continuidade do trabalho, sero extrados parmetros discriminativos dos escalogramas
como o pitch, sua variabilidade, rudo glotal, durao do pulso glotal, entre outros, para que
possamseraplicadosaumsistemaautomticodeclassificaodeapoioaodiagnstico.

AGRADECIMENTOS
OsautoresdestetrabalhoagradecemaoCNPq,ProgramaPIBITI/IFPBpelosuportefinanceiro.

REFERNCIAS
BEHLAU,M.M.AVozdoEspecialista,volume1.Revinter,RiodeJaneiro,2001.
BENJAMIN,B.CirurgiaEndolarngea.EditoraRevinter:RiodeJaneiro,2000.
BOONE,D.SuaVozEstTraindoVoc?ComoEncontrareUsarsuaVozNatural.ArtesMdicas.
PortoAlegre,1996.
CHUI, C. K. Wavelet Analysis and Its Applications. Texas A and M Univ College Station Dept Of
Mathematics,1995.
COLTON.R.&CASPER,J.Condutamdicaecirrgicadosdistrbiosvocais.In:Compreendendoos
ProblemasdeVoz,PortoAlegre,Artesmdicas,1996.

COSTA, S. L. N. C. Anlise Acstica, Baseada no Modelo Linear de Produo da Fala, para

discriminao de vozes patolgicas. Universidade Federal de Campina Grande. Tese de
Doutorado,2008.
FONSECA,E.S.,GUIDO,R.C.,SCALASSARA,P.R.,MACIEL,C.D.,&PEREIRA,J.C.(2007).Wavelet
timefrequencyanalysisandleastsquaressupportvectormachinesfortheidentificationofvoice
disorders.ComputersinBiologyandMedicine,37(4),571578.
HESHAM, M. Waveletscalogram based study of nonperiodicity in speech signals as a
complementarymeasureofchaoticcontent.InternationalJournalofSpeechTechnology,v.16,n.
3,p.353361,2013.
JO, C. W.; KIM, D. H. Analysis of disordered speech signal using wavelet transform. In: ICSLP.
1998.
KAYELEMETRICS,KayElemetricsCorp.DisorderedVoiceDatabase.Model4337,03Ed,1994.
KUHL,I.ManualPrticodeLaringologia.LivroTexto/II.EditoradaUniversidadeUFRGS.Porto
Alegre,1982.
KUKHARCHIK, P., MARTYNOV, D., KHEIDOROV, I., & KOTOV, O. Vocal fold pathology detection
using modified waveletlike features and support vector machines. In Proceedings of 15th
EuropeanSignalProcessingConference,2007,p.22142218.
NAYAK, J., BHAT, P. S., ACHARYA, R., & AITHAL, U. V. Classification and analysis of speech
abnormalities.ITBMRBM,26(5),319327,2005.
NEMR,K.,AMAR,A.,ABRAHO,M.,LEITE,G.C.D.A.,KHLE,J.,SANTOS,A.D.O.,&CORREA,L.
A.C.Anlisecomparativaentreavaliaofonoaudiolgicaperceptivoauditiva,anliseacsticae
laringoscopias indiretas para avaliao vocal em populao com queixa vocal. Rev. bras.
otorrinolaringol,2005.71(1),1317.
PARRAGA,A.AplicaodaTransformadaWaveletPacketnaAnliseeClassificaodeSinaisde
VozesPatolgicas.UniversidadeFederaldoRioGrandedoSul.DissertaodeMestrado,2002
PENG,Z.K.;CHU,F.L.Applicationofthewavelettransforminmachineconditionmonitoringand
faultdiagnostics:areviewwithbibliography.Mechanicalsystemsandsignalprocessing,v.18,n.
2,p.199221,2004.
PENG, Z.; CHU, F.; HE, Yu. Vibration signal analysis and feature extraction based on reassigned
waveletscalogram.JournalofSoundandVibration,v.253,n.5,p.10871100,2002.
VIEIRA, R. T. Processamento digital de sinais de voz para deteco de patologias na laringe.
Trabalhodeconclusodecursodecurso.InstitutoFederaldeEducaoCinciaeTecnologiada
Paraba,2011.

NOVOMTODODESEGMENTACAODEIMAGENSDOVENTRCULOESQUERDOBASEADONA
TCNICADEOTSU
M.AlvesFilho(PQ) ; G.L.Ribeiro (IC)
InstitutoFederaldeEducao,CinciaeTecnologiadoEstadodaParabaIFPB.CampusJ.PessoaPB
ManoelAlvesFilhoemail:manoel.alves@ifpb.edu.br
GirleneLimaRibeiroemail:girneleng@gmail.com

RESUMO
O presente trabalho trata da aplicao de um novo
mtodo de segmentao de imagens do ventrculo
esquerdobaseadonatcnicadeOtsu.Omtodoutiliza
inicialmente uma tcnica que isola o ventrculo
esquerdo de regies extracardacas em uma rea
retangular mnima. Este processo viabiliza o uso da
tcnica de Otsu, uma vez que a imagem resultante do
processo de isolao possui um histograma bimodal.
Utilizamos um banco de imagens disponibilizadas na

WEB para avaliar o desempenho do mtodo proposto.

Paracompararosresultadosdasegmentaoutilizamos
como referncia, imagens segmentadas manualmente
por um especialista da rea. Desta forma foi possvel
verificar,tantovisualmentequantoquantitativamenteo
desempenhodatcnicaproposta.

PALAVRASCHAVE:segmentao,mtododeOtsu,ventrculoesquerdo,SPECT

NEWSEGMENTATIONMETHODOFLEFTVENTRICLEIMAGESBASEDONOTSUTECHNIQUE
ABSTRACT

This paper deals with the application of a new method

ofimagesegmentationoftheleftventriclebasedonthe
Otsu technique. At first the method uses a technique
thatisolatestheleftventricleoftheextracardiacregions
inaminimumrectangulararea.Thisprocessenablesthe
use of the Otsu technique, since the resulting image
fromtheisolationprocesshasabimodalhistogram.We

useanimagedatabaseavailableonthewebtoevaluate
the performance of the proposed method. We use
manuallysegmentedimagesbyanexpertinthearea,to
compare the results of the segmentation, which could
be verified both visually and quantitatively the
performanceoftheproposedtechnique.

KEYWORDS:segmentation,Otsumethod,leftventricle,SPECT

NOVOMTODODESEGMENTACAODEIMAGENSDOVENTRCULOESQUERDOBASEADO
NATCNICADEOTSU

INTRODUO

Asegmentaogeralmenteaprimeiraetapadoprprocessamentodeimagem
ondeobjetossoextradosdaimagemoriginalparaumaposterioranlise.Oprocessode
segmentao de imagens, portanto, consiste na subdiviso de uma imagem em regies
distintas, levandose em considerao duas propriedades bsicas da imagem;
descontinuidadeesimilaridade.
Umadas primeirasabordagensaserutilizadafoiasegmentaomanual,porm
este procedimento demanda bastante tempo e sujeito a variaes de operador para
operador. Tendo em vista essas dificuldades, algumas tcnicas de segmentao
automtica foram desenvolvidas (1,35). Estes algoritmos automticos de segmentao
podem ter baixo desempenho quando as imagens tm baixa relao sinalrudo ou
possuem caractersticas prprias, como por exemplo, imagens com histograma
multimodal,queastornamincompatveiscomaaplicaodealgunsmtodostotalmente
automticosdesegmentao.
Nos ltimos anos vrios estudos vem sendo realizados na rea de extrao de
contornosecrescimentoderegies,visandoaprimoraroprocessamentodesegmentao
automticadeimagens[2].
Estetrabalhopropeumnovomtododesegmentaodeimagensdoventrculo
esquerdobaseadonomtododeOtsu[3].Omtodopropostoisolaautomaticamenteo
ventrculo esquerdo (VE) em uma imagem cintilogrfica do miocrdio, permitindo a
aplicaodatcnicadesegmentaodeOtsunaimagemresultante.Utilizamosumabase
de imagem disponibilizada na WEB (http://lad.dsc.ufcg.edu.br/spect) composta de 103
pacientesparaavaliaraaplicaodatcnica.Paraavaliaros resultadosdasegmentao
datcnicaproposta,utilizamososresultadosdeumasegmentaomanualrealizadapor
um especialista com larga experincia na rea de processamento de imagens mdicas.
Desta forma foi possvel comparar visualmente as imagens segmentadas manualmente
com as imagens segmentadas com a tcnica proposta e tambm comparar estes
resultados quantitativamente utilizando a anlise do ErroMdio Quadrtico (EMQ) para
correlacionar a imagemobtida automaticamente com a imagem referente observao
humana.

MtododeOtsu

O mtodo de Otsu aquele que busca um valor de limiar que minimize a

varinciaentreduasclassesnosnveisdecinzadaimagem.AtcnicadeOtsuproduzbons
resultadosquandoohistogramadaimagemoriginaltemdoispicosdistintos(histograma

bimodal), um pertencente ao fundo (background), e o outro pertencente ao primeiro

planoouobjeto(foreground).OlimiardeOtsuencontradoapartirdeumavarredurade
todagamadosvaloresdospixelsdaimagematqueavarinciaentreclassesatinjaseu
valor mnimo. Como definido, o limiar determinado pelo mtodo de Otsu mais
influenciadopelaclassequetemamaiorvarincia,sejaeleobackgroundouoforeground.
Portanto,omtododeOtsupodecriarresultadosabaixodoidealquandoohistogramada
imagem tem mais do que dois picos (imagens multimodais) ou se uma das classes tem
umagrandevarincia.
Portanto, a tcnica abordada por Otsu pesquisa o histograma da imagem para
acharumlimiarquebinarizaaimagememduasclasses,umaclassecomobackground
com mdia 0 e outra classe com o foreground com mdia 1. Os subscritos 0 e 1
denotambackgroundeforegroundrespectivamente.
Quando apenas um limite selecionado para uma determinada imagem, o
threshold global para toda a imagem. Desta forma se supe que a imagem tem um
histogramabimodale,portanto,oobjetopodeserextradodofundoporumaoperao
simples,quecomparaosvaloresdosnveisdecinzadaimagemcomumvalordethreshold
T. A idia aproximar o histograma de uma imagem por duas funes gaussianas e
escolherolimiardeformaaminimizaravarinciaentreclasses.
Paraadeterminaodestelimiar,considereohistogramadeumaimagemf(x,y).
Seja T o nvel de cinza que estabelece a separao tima entre as classes background e
foreground.
SejaQ0aprobabilidadedonveldecinzakserdaclassebackground(classe0)e
Q1aprobabilidadedonveldecinzakserdaclasseforeground,(classe1),dadospelas
Equaes1e2.

equao (1)

equao (2)

Utilizandoofatoqueohistogramaaproximadoporduasfunesgaussianas,as
varinciasindividuasdecadaclassepodemserobtidaspelasEquaes3e4.

equao (3)

equao (4)

Avarinciaentreclasses(c)podeserobtidapelaEquao5.

equao (5)

Aps o clculo da varincia entre classes obtmse o limiar timo utilizando a

equao6.

equao(6)

Aimagem,portanto,podeserbinarizadadaseguinteforma,equao7:

equao (7)

Portanto,todosospixelscomvaloressuperioresaolimiarTpassaroatervalor
1 e os pixels iguais ou inferiores a T passaro a ter valor 0, formando assim uma
imagembinarizada(imagembinria).

MATERIAISEMTODOS
PrsegmentaodaImagem
Utilizamosumabasededadosdeexamesdecintilografiamiocrdica,composta
por103pacientes,paraavaliarodesempenhodoalgoritmo.
Como as imagens adquiridas no exame de cintilografia miocrdica apresentam
regies extracardacas com elevada captao do material radioativo, como mostra a
Figura1,naqualofgadoeointestinoaparecemcomcaptaodoradiofrmacosuperior
ao do ventrculo esquerdo, se torna difcil aplicao das tcnicas de segmentao
convencionais.

Figura1Fgadoeintestinocomcaptacaodoradiofrmacosuperioraoventrculo
esquerdo
Portanto, para efetuar a segmentao automtica do miocrdio, utilizamos a
seguintemetodologia:

Determinaodoscortestransversosaotraxdopaciente;
Determinaodosvaloresmximosdecontagemdecadacorte;
Levantamentodacurvadosvaloresmximosdecontagem;
Determinaodosplanosquecontmoventrculoesquerdo;
SegmentaodosplanosutilizandoatcnicadeOtsu.

Utilizamos transformada de Radon [6], para determinar os cortes transversos

(seestransversais)aotraxdopaciente.
Estes cortes mostram fatias do trax do paciente, as quais, dentro de uma
determinada faixa, resultam em imagens quase exclusivas do ventrculo esquerdo. Estas
imagenssocompatveiscomousodatcnicadesegmentaoporlimiar.
Para a determinao automtica das fatias que contm imagens do ventrculo
esquerdo,utilizamososvaloresmximos decontagemdos pixelsde todososcortes em
questo(64cortes).Estesvaloresdecontagem soproporcionais aosnveisdecinzada
imagem.Portanto,paracadaplano,foideterminadoopixelcommaiorvalordecontagem
egeradaumacurvadestesvaloresmximosemfunodosplanos,Figura2.

3500

ValoresMximos
(contagem)

3000

2500

2000

1500

1000

500

10

20

30

40

50

60

70

Planos

Figura2ValoresmximosdecontagemdosPixelsxPlanos.AsetaindicaopicodoVEoqual
estcontidoentreosplanos20e35.
AsetanaFigura2indicaopicoformadopeloscortestransversaisquecontmpixelsdo
VE.Portanto,paraadeterminaodosplanosquecontmoventrculoesquerdo,desenvolveuse
um algoritmo que calcula o plano inicial e o plano final, ou seja, a faixa que compreende o
ventrculoesquerdoentreosplanosdacurva.NoexemplodaFigura2oVEestcontidoentreos
planos20e35dacurva.
OmtododesegmentaodescritoporAlvesetal[1],utilizadonotrabalho,determina
que sees transaxiais do VE sejam isoladas do resto da imagem, em uma rea retangular
mnima.Cortestransversaisforamusadosparadelimitarumintervaloquecontmtodosospixels
doventrculoesquerdo,excluindoospixelsacimaeabaixodalocalizaodocorao.
Omesmoprocedimentofoiutilizadoparaoscortessagitaisecoronais,ouseja,curvas
dos valores mximos dos pixels em funo dos seus respectivos planos foram geradas, para
excluir os pixels direita e esquerda do corao (cortes sagitais) e os pixels posterior e
anteriordocorao(cortescoronais),formandodestemodoumarearetangular.Assim,neste
mtodoumarearetangularmnima,cujamaioriadospixelsquepertencemaoVE,foidefinida,
Figura3.
Desta forma o histograma da imagem se torna bimodal o que permite a aplicao do
mtododesegmentaodeOtsu.

Figura3Ventrculoesquerdoisoladoemumarearetangularmnimadadapeloscortes
transversais,sagitaisecoronais

RESULTADOSEDISCUSSO

A tcnica de segmentao proposta foi aplicada no grupo de 103 pacientes onde

obtivemosoVEsegmentadoecomparadovisualmenteequantitativamentecomasegmentao
manual.AtcnicadeOtsufoiaplicadaapsoVEserseparadodasregiesextracardicascomoo
fgadoeintestinoemumarearetangular.
Paracompararquantitativamenteosresultadosdatcnicapropostacomasegmentao
realizadamanualmente,utilizamosoEMQparaestimarquantitativamentesdiferenasentrea
segmentaomanual(padro)eatcnicaproposta.
Obtivemoscomoresultadodacomparaoquantitativaparaogrupode103pacientesos
valoresde6,02%e1,34%,mdiaedesviopadrorespectivamentedoEMQencontradoentreas
imagens segmentadas manualmente e as imagens segmentadas pela tcnica proposta. As
imagens da Figura 4 ilustram alguns destes resultados. As imagens pertencem ao paciente
nmero007dobancodedadosdaWEB,referentefasedeesforodoexamedecintilografia
miocrdica.

(a)(b)

Figura4Ventrculoesquerdosegmentadomanualmente(a)epelatcnicaproposta(b)

Como resultado da comparao entre a segmentao manual e o mtodo proposto,

encontramos,paraestecaso,umEMQde6,88%.Esteerrorepresentaasdiferenasnoprocesso
desegmentaoentreastcnicastomandocomorefernciaasegmentaomanual.

CONCLUSES

Este trabalho apresentou um mtodo de segmentao baseado na tcnica de

segmentaodeOtsuparaseraplicadoemimagenscintilogrficasdoVE.Omtodoinicialmente
isolaoVEemumarearetangularmnima,tornandopossvelaaplicaonatcnicadeOtsucom
bons resultados. Isto se deve ao fato de que a imagem resultante do VE, isolado das regies
extracardacas,temumhistogramabimodal(histogramacomdoispicos)enestecasoatcnica
de Otsu muito eficiente. Utilizamos as imagens segmentadas manualmente para avaliar o
desempenho do mtodo proposto e tanto a anlise visual quanto os valores do EMQ entre o
mtodopropostoeasegmentaomanualforamsatisfatrios.

AGRADECIMENTOS
AoCNPq/ProjetoPIBITI,aoIFPBpelosuportepesquisaeaoDr.SebastioLolodeLacerdaFilho
daClinicaDiagnsticaParaba,pelosuporteeajudadodesenvolvimentodestetrabalho.

REFERNCIAS
1. ALVESFILHO,M.;MELCHER,E.K.;CARVALHO,L.C.;ANewMethodforSPECTMyocardial
ImageSegmentationBasedonLeftVentricularSpatialInformation.IFMBEProceedings,
v.11,p.24692473,2005.
2. HONGMINCAI;ZHONGYANG;XINHUACAO;MEMBER,IEEE,WEIMINGXIA,ANDXIAOYIN
XU, MEMBER, IEEE. A New Iterative Triclass Thresholding Technique in Image
Segmentation.IEEETransactionsOnImageProcessing,Vol.23,No.3,March2014.
3. OTSU, N. A threshold selection method from graylevel histrograms. IEEE Transactions
onSystems,Man,andCybernetics,1979.9(1):p.6266.

4. Rondina, J.M.; Lotufo, R.A.; Gutierrez, M.A. Um sistema de segmentao interativa do

ventrculo esquerdo em sequncias de imagens de ressonncia magntica (Cine MR).
SBEB Sociedade Brasileira de Engenharia Biomdica v. 18, n. 3, p. 117131, set/dez
2002.
5. TATIANAD.C.A.;SILVA,JOOMANUELR.S.;TAVARES.AlgoritmosdeSegmentaode
ImagemeSuaAplicaoemImagensdoSistemaCardiovascular.CongressodeMtodos
NumricosemEngenharia2011Coimbra,14a17deJunho,APMTAC,Portugal.
6. TRETIAK, O. J.; METZ, C. The exponential radon transform. SIAM Journal Applied
Mathematics,v.39,p.341354,1980.