A influência do ruído sobre fatores de voz em pacientes e seus impactos na detecção automática de insuficiência respiratória
Carregando...
Data
Autores
Orientador
Coorientador
Pós-graduação
Curso de graduação
Itapeva - ICE - Engenharia de Produção
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso restrito
Resumo
Resumo (português)
Este trabalho investiga o limite operacional e a robustez dos biomarcadores acústicos da voz humana (Frequência Fundamental, Jitter e Shimmer) na detecção automática de quadros de insuficiência respiratória aplicados à telemedicina. A pandemia de COVID-19 impulsionou a adoção da saúde digital; no entanto, nota-se que os sistemas de triagem remota acabam frequentemente invalidados pela degradação acústica do ambiente de captação, em especial nas Unidades de Terapia Intensiva (UTIs). Para testar essa hipótese, aplicamos rotinas de extração paramétrica em Python sobre uma base de dados de pacientes diagnosticados com insuficiência respiratória (proveniente do Projeto SPIRA). Na sequência, foi implementado um algoritmo de Data Augmentation para simular o ruído multiespectral hospitalar sob um controle rigoroso de Relação Sinal-Ruído (SNR), variando de 20 dB até 0 dB. Os dados resultantes foram submetidos à Análise de Variância (ANOVA). Os resultados mostram que a Frequência Fundamental atua como a métrica mais resiliente ao mascaramento sonoro. Por outro lado, as métricas de microperturbação de curto prazo (Jitter e Shimmer) mostraram-se extremamente vulneráveis. O teste estatístico comprovou que, ao atingir níveis críticos de degradação (SNR ≤ 10 dB), o ruído da UTI corrompe a extração do sinal glótico, causando uma inversão artificial de variâncias que anula a separabilidade matemática entre os indivíduos saudáveis e doentes. Fica evidente, portanto, que implantar sistemas automáticos de triagem vocal exige o uso prévio de técnicas de Speech Enhancement para evitar diagnósticos totalmente distorcidos pelo ambiente.
Resumo (inglês)
This study investigates the operational limit and robustness of acoustic human voice biomarkers (Fundamental Frequency, Jitter, and Shimmer) in the automatic detection of respiratory insufficiency applied to telemedicine. The COVID-19 pandemic boosted the adoption of digital health; however, remote screening systems are frequently invalidated by the acoustic degradation of the capture environment, especially in Intensive Care Units (ICUs). To test this hypothesis, we applied parametric extraction routines in Python to a database of patients diagnosed with respiratory insufficiency (from the SPIRA Project). Subsequently, a Data Augmentation algorithm was implemented to simulate multispectral hospital noise under strict Signal-to-Noise Ratio (SNR) control, ranging from 20 dB down to 0 dB. The resulting data were subjected to Analysis of Variance (ANOVA). The results show that the Fundamental Frequency acts as the most resilient metric to sound masking. On the other hand, short-term micro-perturbation metrics (Jitter and Shimmer) proved to be extremely vulnerable. The statistical test proved that, upon reaching critical levels of degradation (SNR ≤ 10 dB), the ICU noise corrupts the glottal signal extraction, causing an artificial inversion of variances that nullifies the mathematical separability between healthy and sick individuals. It is evident, therefore, that deploying automatic vocal screening systems requires the prior use of Speech Enhancement techniques to prevent diagnoses from being completely distorted by the environment.
Descrição
Idioma
Português
Citação
ROCHA, Victor Thans. A influência do ruído sobre fatores de voz em pacientes e seus impactos na detecção automática de insuficiência respiratória. 2026. 47 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) -Universidade Estadual Paulista (UNESP), Instituto de Ciência e Engenharia, Itapeva, 2026.
