Assessment of Laryngeal Disorders Through the Global ... · pregas vocais em caso de lesões de...

Abstract— Voice analysis is an important tool in the diagnosis of laryngeal disorders. Among distinct signal processing techniques employed for voice analysis, the spectrogram is commonly used, as it allows for a visualization of the variation of the energy of the signal as a function of both time and frequency. In this context, this study investigates the use of the global energy of the signal, estimated through the spectrogram, as a tool for discrimination between signals obtained from healthy and pathological subjects. This research has also exploited the potential use of the global energy of the voice signal to discriminate distinct laryngeal disorders. In total, 94 subjects were involved in this study, from which 46 were dysphonic and 48 normal. The diagnosis of laryngeal disorders was confirmed by means of a videolaryngoscopic examination. Participants were also subjected to a clinical examination of vocal acoustic through the recording of the sustained vowel /ε/. The global energy allowed the discrimination between normal and dysphonic voice. Furthermore, this technique could discriminate the voice signal of patients suffering from left vocal fold paralysis from those suffering from other investigated disorders. The results suggest the global energy of the signal as an auxiliary and alternative tool for the diagnosis between normal and dysphonic voice.

Keywords— Vocal and Laryngeal Disorders, Acoustic Analysis, Spectrogram, Global Energy.

I. INTRODUÇÃO

PRODUÇÃO normal da voz se faz com o equilíbrio entre a força aerodinâmica dos pulmões e a força

mioelástica das pregas vocais. A energia aerodinâmica gerada pelo fluxo expiratório é convertida em energia acústica pela vibração das pregas vocais [1]. Quando ocorrem alterações nas estruturas que compõem o nosso aparelho fonador, a produção da voz se modifica e estamos diante das disfonias ou distúrbios de voz. Essas alterações são incapacitantes, pois além de prejudicarem a inteligibilidade da fala, provocam fadiga vocal, ardência, dor, sensação de tensão e estrangulamento, sensação de esforço, redução do tempo de fonação, redução da extensão vocal, quebras de sonoridade, falta de estabilidade e diminuição da projeção vocal [2]. A avaliação da voz pode ser realizada por meio de uma análise perceptivo-auditiva extraindo os diferentes graus de perturbação vocal de forma subjetiva, contando para isto com

M. Fernandes, Universidade Federal de Uberlândia (UFU), Uberlândia,

Minas Gerais, Brasil, [email protected] F. E. R. Mattioli, Universidade Federal de Uberlândia (UFU), Uberlândia,

Minas Gerais, Brasil, [email protected] E. A. Lamounier Jr., Universidade Federal de Uberlândia (UFU),

Uberlândia, Minas Gerais, Brasil [email protected] A. O. Andrade, Universidade Federal de Uberlândia (UFU), Uberlândia,

Minas Gerais, Brasil, [email protected]

o conhecimento prévio do especialista. Com esta finalidade, a escala GRBAS e a escala RASAT [3], que avaliam diversos parâmetros da voz (e.g., rouquidão, aspereza, soprosidade vocal, astenia e tensão), são comumente utilizadas. Cada parâmetro é avaliado seguindo uma escala com a graduação de 0 a 3, sendo zero (0) indicativo de ausência, um (1) considerado grau leve, dois (2) grau moderado e três (3) grau severo. A escala RASAT é uma adaptação da escala GRBAS que foi desenvolvida pelo Comitê para Testes de Função Fonatória da Sociedade Japonesa de Logopedia e Foniatria (Committee for Phonatory Function Tests - Japan Society of Logopedics and Phoniatrics) em 1969 [3], [4]. A escala RASAT, em contraste com a escala GRBAS, leva em consideração a avaliação da aspereza da voz. Note que a escala RASAT relaciona a avaliação subjetiva da voz, levando-se em conta o que se percebe auditivamente, com aspectos fisiológicos envolvidos na geração da voz. Alguns pesquisadores utilizam a escala GRBAS ou suas extensões, para realizar a análise perceptivo-auditiva vocal [5], [6]. Porém, apesar dessas escalas fornecerem resultados aceitáveis quando aplicadas por profissionais suficientemente especializados, as mesmas necessitam de complementação por serem subjetivas [7]. Em presença de distúrbios vocais, observa-se que o sinal de voz sofre modificações da periodicidade e da amplitude dos ciclos glóticos, e aumento da componente de ruído. Essas modificações ocorrem devido às alterações nos padrões de vibração da mucosa das pregas vocais [8] em caso de lesões de massa, de retrações cicatriciais, decorticação, ou nos casos em que se torna necessário remover parte, ou totalmente, as pregas vocais na presença de câncer de laringe. Qualquer tipo de lesão ou alteração nas pregas vocais provocará alterações na qualidade da voz. É por esse motivo que algumas pesquisas ressaltam a importância de se utilizar a análise acústica vocal como uma técnica não invasiva e capaz de fornecer suporte ao diagnóstico das disfunções laríngeas [9], [10], [11], [12]. Atualmente, a análise acústica vocal é muito utilizada na prática clínica, sendo que esta emprega ferramentas de processamento digital de sinais para extrair características do sinal de voz [13], [14]. Para a avaliação do sinal de voz, é comum utilizar a emissão sustentada das vogais /a/, /ε/ e /i/, por tempo de fonação de 3 a 5 s, removendo os momentos instáveis iniciais e finais da emissão. O sinal de voz referente à emissão de um único fonema pode ser definido como um sinal quase-periódico e não estacionário que possui características estatísticas variantes no tempo. Portanto, utilizando técnicas

M. Fernandes, F. E. R. Mattioli, E. A. Lamounier Jr. and A. O. Andrade

Assessment of Laryngeal Disorders Through theGlobal Energy of Speech

A

982 IEEE LATIN AMERICA TRANSACTIONS, VOL. 9, NO. 7, DECEMBER 2011

de processamento digital de sinais aplicados aos sinais de voz, é possível destacar o comportamento de determinada característica do sinal ao longo do tempo [15]. As principais ferramentas utilizadas no processamento do sinal de voz são: a análise de parâmetros temporais da forma de onda, como por exemplo, a variação da amplitude do sinal; o espectro de potência que representa a distribuição de energia do sinal em função da freqüência; e o espectrograma que estima a variação local da energia do sinal em função do tempo e da freqüência [16]. Por meio da análise do espectrograma, pode-se visualizar a variação da energia do sinal por meio de uma representação monocromática ou de escala de cores. Porém, esta análise é ainda subjetiva, por ser dependente de uma avaliação subjetiva do especialista. Sendo assim, esta pesquisa propõe o uso da energia global do sinal, estimada pelo espectrograma, como característica discriminativa de vozes normais e disfônicas. Um outro objetivo dessa investigação é verificar se a energia global do sinal de voz permite a separabilidade ou identificação de diversos distúrbios laríngeos.

II. MATERIAIS E MÉTODOS

No total, 94 sujeitos participaram dessa pesquisa. Antes da coleta de dados eles foram informados sobre o objetivo do estudo e assinaram o Termo de Consentimento Livre e Esclarecido, o qual foi aprovado pelo Comitê de Ética e pesquisa da Universidade Federal de Uberlândia, sob o registro CEP 208/06.

A. Coleta de dados

Nesse estudo, participaram 94 sujeitos jovens, do sexo masculino, com faixa etária entre 19 e 64 anos (média = 43 anos e desvio padrão = 16,97 anos). Desses sujeitos, 48 eram portadores de voz normal e 46 eram portadores de voz disfônica. O pré-diagnóstico de voz disfônica foi feito por meio da análise perceptivo-auditiva vocal. As características vocais avaliadas foram: presença de rouquidão, aspereza, soprosidade e instabilidade vocal, além de tremor, diplofonia e quebras de sonoridade vocal e de freqüência. Essas modificações ocorrem devido às alterações nos padrões de vibração da mucosa das pregas vocais em caso de lesões de massa, de retrações cicatriciais, decorticação, ou nos casos em que se torna necessário remover parte, ou totalmente, as pregas vocais na presença de câncer de laringe. Esta análise vocal realizada pela fonoaudióloga especialista foi associada ao exame de videolaringoscopia. Este exame permitiu a visualização das pregas vocais e as demais estruturas da laringe e foi realizado pelo otorrinolaringologista para fechamento do diagnóstico. A definição da faixa etária desse estudo levou-se em consideração que a voz madura ocorre aos 18 anos, já estando a freqüência fundamental da voz nesta idade em um nível que permanecerá por várias décadas [17], [18]. Observa-se também que alguns estudos [19], [20] consideram que, a partir dos 65 anos, alterações fisiológicas provocam uma deterioração da laringe, decorrentes de calcificações das

cartilagens e modificações histológicas dos tecidos conjuntivos, provocando variações acústicas no sinal de voz. Sendo assim, os sujeitos na faixa etária investigada possuem características vocais comuns. Nota-se que crianças e sujeitos do sexo feminino foram excluídos do estudo, pois estes apresentam características vocais completamente distintas daquelas de sujeitos do sexo masculino.

Inicialmente todos os sujeitos foram submetidos a um exame de videolaringoscopia para a avaliação das condições orgânico-funcionais da laringe e do trato vocal. Este procedimento foi realizado utilizando-se um telefibroscópio rígido 70o Endomed (FiberScope, endolight 1000, fonte de luz HTI) e nasofibroscópio flexível Machid (Ent- 30P III, câmera CCD Toshiba, dependendo da necessidade de cada caso). Através da microcâmera acoplada na extremidade do aparelho obteve-se a gravação da imagem dinâmica das pregas vocais durante a produção da vogal /i/. A escolha dessa vogal baseou-se no fato da mesma facilitar a visualização das pregas vocais. Os resultados da videolaringoscopia revelaram diferentes distúrbios e lesões laríngeas, os quais são relacionados a seguir: 1 caso de carcinoma in situ, 2 casos de cisto, 2 casos de constrição mediana, 1 caso de disfonia espasmódica com tremor vocal, 4 casos de edema de Reinke, 5 casos de fenda fusiforme, 1 caso de fenda triangular antero-posterior, 4 casos de granuloma, 1 caso de hemangioma, 3 casos de leucoplasia, 3 casos de papiloma, 2 casos de paralisia, 14 casos de pólipos, 1 caso de sulco vocális e 2 casos de vásculodisgenesia. Participou também desta pesquisa um sujeito que tinha sido submetido a microcirurgia de laringe à laser de CO2, para retirada de um carcinoma in situ. Este caso foi citado acima. A coleta da voz desse sujeito ocorreu 15 dias após o procedimento cirúrgico. Os portadores de voz normal foram avaliados por meio da análise perceptivo-auditiva e foram também submetidos à videolaringoscopia para confirmação das condições anátomo-fisiológicas da laringe. O pré-diagnóstico de voz normal foi feito por meio da análise perceptivo-auditiva vocal. Para o diagnóstico de voz normal, considerou-se ausência de quebras de sonoridade vocal e de frequência, ausência de tremor, ausência de diplofonia, ausência de padrões de rouquidão, aspereza ou soprosidade e ainda presença de padrões de estabilidade vocal. Em vozes normais, a mucosa das pregas vocais está íntegra e com padrões ideais de coaptação glótica. Para a verificação das condições destas estruturas, foi realizado o exame de videolaringoscopia pelo otorrinolaringologista para fechamento do diagnóstico. A captação do sinal de voz para a realização da análise acústica foi feita por meio do microfone Behringer (cardioid, XM2000), e durante a avaliação, os indivíduos permaneceram em pé com o microfone posicionado em ângulo de 90o à frente da boca mantendo uma distância de 10 cm da mesma. Conforme sugerido por Madazio (1998) [21], esta distância atenua interferências no sinal e mantém uma proporção sinal-

FERNANDES et al.: ASSESSMENT OF LARYNGEAL DISORDERS 983

ruído elevada. Os sujeitos foram orientados a respirar profundamente antes de emitir a vogal oral anterior média aberta não arredondada /ε/, de forma sustentada [21], [22], [23]. O sinal de voz, amostrado a uma frequência de amostragem (fs) igual a 44,1 kHz e com duração de três segundos, foi gravado no formato Microsoft Waveform Audio File (WAVE).

B. Estratégia para Análise de Dados

A toolbox de Processamento de Sinais do MATLAB (MathWorks) foi utilizada para a análise dos dados. O diagrama apresentado na Fig. 1 descreve os principais passos empregados na análise dos sinais de voz. Inicialmente, os dados foram normalizados (Etapa 1) linearmente de modo que os valores de amplitude do sinal estivessem compreendidos dentro do intervalo [-1;1] V . Para isto, a Equação 1 foi utilizada, onde x(n) é o sinal de voz no tempo discreto n, b é o número de bits do conversor A/D utilizado e y(n) é o sinal de voz (no tempo discreto n) normalizado.

(1)

Figura 1. Diagrama de blocos ilustrando as etapas empregadas na análise dos sinais de voz.

Nota-se que esta normalização não altera as características do sinal, porém pode ser relevante no emprego de algumas ferramentas de processamento digital de sinais [15], [24].

Os dados normalizados foram janelados (Etapa 2), por meio de uma janela retangular de tamanho igual a 0,7 s, sendo seu limite inferior igual a 0,5 s e superior 1,2 s. Este janelamento permitiu a seleção da região mais estável do sinal de voz visto que em algumas disfunções laríngeas os pacientes têm uma dificuldade em iniciar e finalizar a emissão do sinal. A estabilidade vocal foi identificada visualmente e auditivamente dentro desse intervalo. Este tipo de identificação de estabilidade, embora subjetiva, é uma prática comum na área que vem sendo empregada em diversos estudos [21], [25]. O janelamento foi usado tanto para sinais de voz de sujeitos saudáveis como para os sinais de voz de

sujeitos disfônicos. Isto garantiu que o tamanho da série temporal analisada fosse padronizado no estudo. A Fig. 2 ilustra esse janelamento para o caso de um sinal de voz obtido de um paciente portador de paralisia de prega vocal esquerda. Pode-se notar que essa região mais estável do sinal é identificada no espectrograma como faixas de energia contínuas e isoladas umas das outras.

Figura 2. Janela retangular de 0,7 s, com a seleção de região mais estável do sinal de voz, utilizada para análise neste estudo.

O janelamento realizado neste trabalho corresponde ao intervalo de tempo mais estável da emissão. Este janelamento foi necessário uma vez que nos quadros de disfonias severas, nos quais ocorre decorticação da mucosa das pregas vocais ou nos casos em que a coaptação glótica está prejudicada, o tempo de fonação é extremamente curto. Isso dificulta o início da emissão, que geralmente não se dá de forma isocrônica como nas vozes normais, ocorrendo por meio de ataque brusco, e a manutenção da emissão que muitas vezes não chega a atingir 1 s, o que pode ser verificado pela presença de harmônicos no sinal apenas nesse intervalo de tempo selecionado. Isto ocorre principalmente em casos mais severos, como o de câncer, paralisias ou papilomatoses. Para que este intervalo de tempo fosse padronizado em todas as amostras, optou-se por fazer um janelamento nessa região de maior estabilidade. Na Etapa 3, o Periodograma [24] baseado na Transformada de Fourier, foi utilizado para o estudo da distribuição de energia dos sinais em função da freqüência. O Periodograma é uma estimativa mais precisa do espectro de potência [24] visto que este reduz o efeito do espalhamento de energia do sinal por meio do emprego de técnicas de janelamento. A Equação 2 apresenta a transformada de Fourier para uma janela de L amostras do sinal discreto x[n], onde w[n] representa a função janela utilizada e ω a freqüência angular em rad/s. Neste estudo, foram utilizadas 8 janelas consecutivas de Hanning (sem sobreposição), para o cálculo do Periodograma. A Equação 3 apresenta o método utilizado para o cálculo do Periodograma a partir da transformada de Fourier, onde U representa uma constante de normalização. Nota-se que o Periodograma é a média do espectro de potência de cada uma das 8 janelas utilizadas. 1

0

( ) [ ] [ ]L

j j n

n

V e w n x n eω ω−

−

=

=

( )( )

2b

x ny n =


(2)

(3) A Etapa 4 consistiu na avaliação da variação da energia instantânea dos sinais por meio do espectrograma [26], [27], [28]. O espectrograma permite uma visualização dessa energia em função da freqüência e do tempo. Esta ferramenta vem sendo empregada em alguns estudos [29], [30], sendo comumente utilizada na prática clínica para a análise acústica vocal. Porém esta análise é freqüentemente subjetiva e dependente da experiência do profissional. Para o cálculo do espectrograma foi utilizada a STFT (Short-Time Fourier Transform) e o tipo de janela empregada foi a de Hanning com 1024 pontos. O espectrograma do sinal de voz pode ser obtido como o resultado da aplicação da STFT, conforme expresso na Equação 4,

(4) sendo x[n + m] o sinal analisado, como uma função de uma variável de tempo discreta n, deslocado de m posições, λ o espectro (contínuo) de freqüências e X a energia do sinal, em função de n e de λ. Novamente, w[m] é a janela de Hanning neste estudo. Na Etapa 5, avaliou-se o emprego da energia global do sinal, estimada por meio da integral do espectrograma (ver Equação 5) como uma técnica para a discriminação entre vozes normais e disfônicas, e também para a discriminação dos distúrbios laríngeos. O procedimento para a determinação da energia global a partir do espectrograma é apresentado na Equação 5,

(5) sendo U(n) a energia global do sinal de voz em função de uma variável de tempo discreta n, λm a maior freqüência com contribuição significativa para a formação do sinal e X[n;λ] o espectrograma do sinal em questão [31]. A determinação da energia global da voz foi realizada integrando-se os dados de energia obtidos no espectrograma, para um valor discretizado de tempo. Tal procedimento equivale ao somatório das contribuições de cada freqüência na formação do sinal, para cada instante de tempo. O cálculo do intervalo de confiança da média do sinal foi realizado utilizando a técnica Bootstrap [32]. Esta técnica é baseada em um processo de re-amostragem que seleciona amostras, aleatoriamente, a partir do espaço amostral original, gerando novos conjuntos de amostras diferentes do original, contudo, mantendo suas características estatísticas. Maiores detalhes sobre a aplicação do algoritmo de Bootstrap podem ser encontrados em Efron, Tibshirani e Tibshirani [32]. O presente estudo emprega esta técnica com o objetivo de calcular o intervalo de confiança para a média das amostras dos sujeitos disfônicos e eufônicos.

III. RESULTADOS

A. Análise Visual do Espectrograma

Analisando visualmente o espectrograma de vozes normais, percebe-se melhor definição dos harmônicos, que pode ser visualizada por meio das raias horizontais na Fig. 3. Nesta mesma figura observa-se ainda que estes harmônicos aparecem em grande número, podendo ser percebidos inclusive, nas faixas de freqüência acima de 3,0 kHz. Esta característica é compatível com as vozes normais segundo alguns pesquisadores [26]. A quantidade de ruído entre os harmônicos de vozes normais é mínima, em contraste à quantidade de ruído presente nas vozes disfônicas. Em vozes disfônicas, o componente harmônico, quando presente, ocorre apenas nas freqüências mais baixas. Nas disfonias extremamente severas percebe-se uma grande quantidade de ruído difuso em todo ou praticamente todo o espectrograma (cf. Fig. 4).

B. Análise do Espectrograma Médio

Foram analisados os espectrogramas médios dos grupos de vozes normais e disfônicas. Nessa análise destaca-se a contribuição da faixa de freqüências de 500 a 550 Hz, na qual se concentra grande parte da energia dos sinais, tanto no grupo de vozes normais como no grupo de vozes disfônicas.

Figura 3. Espectrograma da emissão da vogal oral anterior média aberta não arredondada /ε/ de um sujeito portador de voz normal.

Figura 4. Espectrograma da vogal oral anterior média aberta não arredondada /ε/ de um sujeito portador de paralisia da prega vocal esquerda.

Essa faixa de freqüências é compatível com o primeiro formante da vogal utilizada neste trabalho (vogal /ε/) para o

21( ) ( )j

SSP V eLU

ωω =

[ , ] [ ] [ ] j m

m

X n x n m w m e λλ∞

−

=−∞

= +

0( ) [ , ]

m

U n X n dnλ

λ=


sexo masculino [27]. Nota-se, portanto, que nas vozes normais existe apenas uma faixa de energia e esta faixa está bem definida (cf. Fig. 5). O mesmo não ocorre nas vozes disfônicas, nas quais é perceptível a presença de duas faixas de freqüência onde se concentra a energia desses sinais (cf. Fig. 6). Alguns pesquisadores citam que a definição dos primeiros formantes das vogais anteriores /a/, /e/, /i/ e /ε/ é muito clara, tanto no português como no inglês e comentam que o mesmo não ocorre com as vogais posteriores /o/ e /u/ [27], [33], o que provoca uma grande quantidade de erros de discriminação gerados por essas vogais. Assim como as vogais posteriores geram erros de discriminação por não terem seus primeiros formantes bem definidos, as vozes disfônicas também geram os mesmos erros de discriminação. Neste contexto, acredita-se que a presença de ruído nas vozes disfônicas alterou o primeiro formante das mesmas, dispersando a energia do sinal. O componente de ruído presente nas disfonias é uma das características mais valorizadas na análise do sinal de voz, correlacionando a quantidade deste componente ao grau de rouquidão. Com o objetivo de interpretar melhor este componente de ruído, estudos anteriores adotaram uma escala variando de 1 a 4 [34], [35]. O grau 1 desta escala refere-se a sinais de voz com componente harmônico regular associado a um componente de ruído concentrado nas faixas de formantes. O grau 2 está relacionado a sinais de voz com predominância de componente de ruído na região do 2o formante das vogais /ε/ e /i/ e ruído adicional acima de 3,0 kHz. O grau 3 é caracterizado por componente de ruído com energia intensa substituindo totalmente os harmônicos das vogais /ε/ e /i/ e o grau 4 relaciona-se com presença de ruído no 2o formante das vogais /a/, /ε/ e /i/. Neste contexto, observa-se que avaliando os sujeitos disfônicos desta pesquisa, foram encontrados resultados semelhantes aos dados da literatura, utilizando a mesma vogal /ε/. Isto pode ser verificado no espectrograma médio, que evidencia alteração nos formantes das vogais do grupo disfônico. Além disso, como o grupo disfônico tem diferentes graus de comprometimento vocal, o componente de ruído está presente em diferentes faixas de freqüência.

Figura 5. Espectrograma médio das vozes normais. A seta indica a faixa de freqüência onde a energia está concentrada.

Figura 6. Espectrograma médio das vozes disfônicas. As setas indicam as faixas de freqüência onde a energia está concentrada.

C. Análise do Periodograma

Inicialmente utilizou-se o espectro de potência com o objetivo de discriminar vozes normais de vozes disfônicas. Para esta análise, escolheu-se a faixa de freqüência entre 0 e 1,0 kHz. Esta escolha justifica-se no fato de que parte da energia dos sinais está concentrada nessa faixa de freqüência. Isto ocorre porque o espectro laríngeo é linear e a energia dos harmônicos, que são múltiplos inteiros da freqüência fundamental, decresce em freqüência na taxa de 12 dB por oitava. Por essa razão, apenas esta faixa de freqüência foi relevante para esta análise. Os resultados apresentados na Fig. 7 mostram uma separabilidade entre os espectros médios de potência de vozes normais e disfônicas em algumas faixas de freqüência. A separabilidade entre os espectros de potência de vozes normais e disfônicas em algumas faixas de freqüência, tais como 0 –150 Hz e 550 – 800 Hz é evidente. Em outras faixas de freqüência, observa-se uma sobreposição de energia. Isso limita a aplicação do espectro de potência visando à discriminação entre vozes normais e disfônicas.

Figura 7. Espectro de Potência médio e seus intervalos de confiança para vozes normais e disfônicas.

D. Análise da Energia Global

A energia global é calculada integrando-se a energia contida em cada freqüência que compõe o sinal, em um dado instante de tempo. Esse é um método que fornece, de forma precisa, a variação da energia da voz ao longo do tempo, por considerar as contribuições de todas as freqüências do sinal,


isto é, tanto a contribuição da energia dos harmônicos quanto a contribuição da energia do componente de ruído. O componente de ruído é provocado pela turbulência do ar ao passar pela glote e o componente harmônico é produzido pela vibração das pregas vocais e alterado de acordo com a impedância do trato vocal. Nas vozes disfônicas, sabe-se que as estruturas da laringe, especificamente, as pregas vocais não estão em condições normais. As alterações nestas estruturas, seja por atrofias, retrações cicatriciais ou por lesões de massa, acabam modificando o fluxo do ar ao passar pela glote. Essas alterações provocam uma maior turbulência e tem como conseqüência o componente de ruído amplificado em relação ao sinal de voz. Esta componente de ruído é intensa e está presente em todas as doenças laríngeas [26]. Avaliando-se os dados encontrados por meio da análise da energia global, observamos que existe uma separabilidade estatisticamente significante entre as vozes normais e disfônicas. Esta separabilidade foi confirmada pelo intervalo de confiança da média da energia global estimado pela técnica Bootstrap. Esses resultados são apresentados na Fig. 8. Com os resultados obtidos e suportados por meio do intervalo de confiança, verifica-se o sucesso da utilização da energia global na discriminação entre vozes normais e disfônicas.

Figura 8. Gráfico da média com intervalo de confiança da energia global de vozes normais e disfônicas.

A energia global média foi maior para as vozes disfônicas quando comparadas às vozes normais. Esse fato pode ser justificado pela maior presença do componente de ruído em vozes disfônicas, em decorrência das disfunções biomecânicas das pregas vocais, da alteração da pressão subglótica e/ou dos distúrbios neuromotores. Em uma avaliação complementar, foram utilizados os sinais de voz do grupo disfônico com o objetivo de discriminar os diversos distúrbios laríngeos, através da energia global destes sinais. Neste estudo, foram encontradas vozes com parâmetros vocais extremamente perturbados e outras com parâmetros vocais bem próximos das vozes normais. Isto se deve ao fato de existirem diferentes tipos de doenças laríngeas e dentro de

cada doença existirem diferentes graus de comprometimento. A Fig. 9 apresenta a média da energia global das vozes com doenças laríngeas analisadas neste estudo. Não foi possível encontrar uma separabilidade entre todas as desordens laríngeas investigadas neste estudo. A maior parte das doenças investigadas tem uma energia global muito semelhante, o que pode ser visualizado no gráfico acima. Porém observa-se uma separabilidade entre o grupo de vozes de paralisia de prega vocal esquerda por lesão do nervo laríngeo recorrente e as demais doenças laríngeas investigadas. Com base nesses resultados, pode-se sugerir a energia global como uma ferramenta auxiliar importante na discriminação entre vozes normais e disfônicas.

Figura 9. Média da energia global dos diversos distúrbios laríngeos.

IV. DISCUSSÃO

Nesse estudo foram utilizadas ferramentas de processamento digital de sinais no domínio da freqüência e do tempo visando à discriminação entre sinais de vozes normais e disfônicos. Para a análise no domínio da freqüência, torna-se necessário entender o modelo Fonte-Filtro descrito por Fant, [36]. O filtro oral é caracterizado por picos (F1, F2, F3, etc.). Estes picos são chamados de Formantes e correspondem aos modos normais de ressonância dos tubos acústicos. Os três primeiros formantes trazem informações quanto à identificação da vogal, ou seja, têm maior conteúdo fonético, porém certos pesquisadores referem o esforço vocal e a tensão da musculatura intrínseca da laringe, como fator contribuinte para o espectro resultante [37], [38]. Ao utilizar o espectro de potência, foram observadas diferenças ao avaliar os espectros médios das vozes normais e disfônicas. Acredita-se que o esforço vocal provocado pela tensão dos músculos intrínsecos das pregas vocais presente na produção das vozes disfônicas modificou o espectro resultante. Isto determinou a diferença entre os dois grupos, porém esta separabilidade não ocorreu em toda a faixa de freqüência do sinal, o que limita a aplicação deste método na discriminação das vozes normais e disfônicas. Estes resultados são compatíveis com pesquisas similares [39].


No presente trabalho, o diagnóstico de voz normal foi atribuído aos indivíduos sem queixas vocais, que apresentaram na videolaringoscopia um diagnóstico de pregas vocais normais. Tal diagnóstico é compatível com coaptação glótica completa, ausência de alterações estruturais mínimas, ausência de lesões nas pregas vocais produção fonatória equilibrada. Vários pesquisadores, ao definirem voz normal, comentam que não existem padrões definidos sobre suas características [26], mas acredita-se na evidência de uma produção vocal equilibrada, considerada neutra, sem comportamento hipofuncional de adução glótica, nem hiperfuncional [40]. O diagnóstico de vozes disfônicas foi atribuído aos sujeitos portadores de qualidade vocal alterada nos vários graus de rouquidão, aspereza e soprosidade constatados pela análise perceptivo-auditiva vocal. Estes sujeitos portadores de disfonia apresentaram na videolaringoscopia presença de lesões nas pregas vocais, ou alterações estruturais mínimas, ou ainda, alterações quanto a coaptação glótica de caráter hipofuncional ou hiperfuncional. Ao comparar os espectrogramas das vozes normais e disfônicas, nota-se que as vozes normais têm maior componente harmônico e menor componente de ruído, enquanto que as vozes disfônicas têm maior componente de ruído e menor componente harmônico [39]. Portanto, acredita-se que o componente de ruído contribui com maior energia na formação do sinal em comparação ao componente harmônico da voz. Pesquisas anteriores fazem referência à presença de ruído intenso na região dos primeiros formantes da vogal /ε/ nas vozes disfônicas, comentando que este componente pode substituir totalmente os harmônicos [34]. Estes achados de ruído intenso nas disfonias em pesquisas anteriores explicam o fato das vozes disfônicas desse estudo terem energia global maior do que as vozes normais. Os harmônicos são múltiplos inteiros da freqüência fundamental que é a freqüência mais baixa da série, sendo, portanto, periódicos. O ruído é um fenômeno acústico não periódico, resultante da superposição desarmônica de sons provenientes de várias fontes que têm movimentos de vibração com diferentes freqüências, não apresentando relação entre si [28]. Na paralisia laríngea, doença que teve a energia global maior em comparação ao grupo de doenças analisadas neste trabalho, ocorrem irregularidades no fechamento glótico. Tais irregularidades contribuem significativamente com a presença de ruído no sinal de voz. As disfonias paralíticas têm o componente de ruído aumentado em decorrência de muitas variáveis. A onda mucosa da prega vocal tem o seu movimento parcialmente ou totalmente afetado e a mesma pode estar fixada em posição mediana, paramediana, intermediária ou lateral. A prega vocal paralisada muitas vezes está desnivelada em relação à prega vocal sadia, e a atrofia causada pela paralisia pode arquear a borda livre da mesma. A gravidade da alteração vocal está relacionada à denervação da musculatura e atenua-se em

presença de mecanismo compensatório pela prega sadia. O quadro fonatório varia muito, porém predomina, na maioria das vezes, uma voz rouca soprosa, emitida com esforço. A voz pode ser diplofônica (bitonal) ou entrar em falsete, recebendo a denominação de falsete paralítico [41]. Nas vozes de paralisia deste estudo o componente de ruído era muito intenso em toda a extensão de freqüência e os harmônicos praticamente ausentes, o que justifica a energia global maior nessa doença quando comparada com as demais doenças laríngeas investigadas. Como o sinal de voz é composto de harmônico e de ruído, pode-se sugerir a energia global da voz como uma ferramenta auxiliar na discriminação entre vozes normais e disfônicas considerando a contribuição dos dois componentes. Com base nos resultados apresentados acima, ressalta-se que os métodos utilizados neste estudo contribuem para esclarecer certas características relevantes para o diagnóstico das desordens laríngeas. Porém, constatou-se que só foi possível discriminar vozes normais de vozes disfônicas por meio da energia global, pois o espectro de potência não foi eficaz neste tipo de discriminação. Neste contexto, sugere-se o uso da energia global como uma ferramenta computacional com a finalidade de discriminar vozes normais de vozes disfônicas.

V. CONCLUSÕES

O espectro de potência mostrou-se limitado quando utilizado para discriminação entre vozes normais e disfônicas. Os resultados obtidos com essa pesquisa proporcionaram um melhor entendimento a respeito da energia global da voz. Essa ferramenta não possibilita uma classificação dos diversos distúrbios laríngeos, pois não há separabilidade estatisticamente significante na energia global das laringopatias investigadas. Porém, a energia global da voz mostrou ser uma importante ferramenta de processamento de sinais, que propicia uma discriminação entre vozes normais e disfônicas. Pode-se ainda concluir, com estes resultados, que as vozes disfônicas têm energia global maior do que vozes normais, e que vozes de paralisia unilateral esquerda têm energia global maior do que as vozes das demais laringopatias, apesar da amostragem de paralisia ter sido pequena. Os resultados desta pesquisa são úteis por fornecerem uma estratégia de análise objetiva de apoio na realização de diagnósticos de distúrbios laríngeos.

AGRADECIMENTOS

Os autores agradecem ao Conselho Nacional de Desenvolvimento Científico e Tecnológico CNPq (Projeto 302655/2008-5), e a Fundação de Amparo à Pesquisa de Minas Gerais (FAPEMIG) (Projeto TEC - PPM-00364-11) pelo suporte financeiro a esta pesquisa.


REFERÊNCIAS [1] A. Parraga, “Aplicação da transformada wavelet packet na análise e

classificação de sinais de vozes patológicas,” Dissertação de mestrado, Universidade Federal do Rio Grande do Sul, Porto Alegre, Março 2002.

[2] J. Casper, “Reabilitação vocal para disfonia por tensão muscular,” O Melhor que Vi o Ouvi II, pp. 16–28, 2000.

[3] S. M. R. Pinho and P. Pontes, “Escala de avaliação perceptiva da fonte glótica: RASAT,” Vox Brasilis, vol. 8, no. 3, pp. 11–3, 2002.

[4] S. M. Zitta, “Análise perceptivo-auditiva e acústica em mulheres com nódulos vocais,” Dissertação de mestrado, Centro Federal de Educação Tecnológica do Paraná, Curitiba, Setembro 2005.

[5] E. P. M. Ma and E. M. L. Yiu, “Multiparametric evaluation of dysphonic severity,” Journal of Voice, vol. 20, no. 3, pp. 380–390, 2006.

[6] R. Medrado, L. P. Ferreira, and M. Behlau, “Voice-over: perceptual and acoustic analysis of vocal features,” Journal of Voice, vol. 19, no. 3, pp. 340–349, 2005.

[7] L. M. O. Andrade, Determinação dos limiares de normalidade dos parâmetros acústicos da voz, Tese de doutorado, Universidade de São Paulo, 2003.

[8] J. J. Jiang, Y. Zhang, and C. McGilligan, “Chaos in voice, from modeling to measurement,” Journal of Voice, vol. 20, no. 1, pp. 2–17, 2006.

[9] L. Haddad, M. Abrahão, O. Cervantes, F. P. Ceccon, I. Gielow, J. R. Carvalho, and F.D. Leonhardt, “Vocal assessment in patients submitted to CO2 laser cordectomy,” Revista Brasileira de Otorrinolaringologia, vol. 72, pp. 295–302, 2006.

[10] Y. Zhang, J. J. Jiang, L. Biazzo, and M. Jorgensen, “Perturbation and nonlinear dynamic analyses of voices from patients with unilateral laryngeal paralysis,” Journal of Voice, vol. 19, no. 4, pp. 519–528, 2005.

[11] G. P. Ledda, N. Grover, V. Pundir, E. Masala, and R. Puxeddu, “Functional outcomes after CO2 laser treatment of glottic carcinoma,” The Laryngoscope, vol. 116, no. 6, pp. 1007–1011, 2006.

[12] P. Mitev and S. Hadjitodorov, “Fundamental frequency estimation of voice of patients with laryngeal disorders,” Information Sciences, vol. 156, no. 1-2, pp. 3–19, 2003.

[13] P. N. Carding, I. N. Steen, A. Webb, K. Mackenzie, I. J. Deary, and J. A. Wilson, “The reliability and sensitivity to change of acoustic measures of voice quality,” Clinical Otolaryngology & Allied Sciences, vol. 29, no. 5, pp. 538–544, 2004.

[14] P. R. Scalassara, J. C. Pereira, and Maciel C. D, “Análise do sinal de voz usando processamento de sinais,” in 5o EncoBio de São Carlos, São Carlos, 2005, Programa de Interunidades em Bioengenharia EESC-USP.

[15] D. Rocchesso, Introduction to sound processing, Mondo Estremo, 2004.

[16] M. H. Hayes, Schaum’s outline of theory and problems of digital signal processing, McGraw-Hill, 1999.

[17] L. F. Brito-Filho, “O processo de envelhecimento eo comportamento vocal,” Centro de Especialização em Fonoaudiologia Clínica, 1999.

[18] A. Mac-Kay, I. Q. Marchesan, J. L. Zorzi, and I. C. D. Gomes, “Linguagem e envelhecimento,” Tópicos em fonoaudiologia, pp. 415– 20, 1997.

[19] D. R. Boone and S. C. McFarlane, A voz e a terapia vocal, Artes Médicas, Porto Alegre, 1994.

[20] M. Hirano and D. M. Bless, Exame videoestroboscópico da laringe, Artes Médicas, Porto Alegre, 1997.

[21] G. Madazio, M. Behlau, P. Pontes, I. Q. Marchesan, J. L. Zorzi, and I. C. G. Dias, “Análise da proporção harmônico-ruído pré e pós reabilitação vocal,” Tópicos em Fonoaudiologia., pp. 169–89, 1998.

[22] M. E. Dajher, J. C. Pereira, and Maciel C. D., “Padrões visuais comparativos de vozes normais e patológicas,” in 5o EncoBio de São Carlos, São Carlos, 2005, Programa de Interunidades em Bioengenharia EESC-USP.

[23] E. Yiu, L. Worrall, J. Longland, and C. Mitchell, “Analysing vocal quality of connected speech using Kay’s computerized speech lab: a preliminary finding,” Clinical Linguistics & Phonetics, vol. 14, no. 4, pp. 295–305, 2000.

[24] A. V. Oppenheim and R. W. Schafer, Discrete-time signal processing, Prentice Hall, 1999.

[25] I. C. P. Spinelli and M. Behlau, “Estudo comparativo das medidas de frequência fundamental, jitter e shimmer em diferentes sistemas de análise vocal,” A voz do especialista, vol. 1, pp. 265–71, 2001.

[26] P. A. L. Pontes, V. P. Vieira, M. I. R. Gonçalves, and A. A. L. Pontes, “Characteristics of hoarse, rough and normal voices: acoustic spectrographic comparative analysis,” Revista Brasileira de Otorrinolaringologia, vol. 68, pp. 182–188, 2002.

[27] I. Russo and M. Behlau, Percepção da fala: análise acústica do português brasileiro, Lovise, 1993.

[28] I. C. P. Russo, Acústica e psicoacústica aplicadas à fonoaudiologia, São Paulo, 1999.

[29] V. P. Vieira, N. G Biase, and P. Pontes, “Análise acústica e perceptivo-auditiva versus coaptação glótica em alteração estrutural mínima,” Acta AWHO, vol. 23, no. 1, pp. 6–12, 2005.

[30] L. C. Figueiredo, M. I. R. Gonçalves, A. Pontes, and P. Pontes, “Vocal behavior during menstrual cycle: perceptual-auditory, acoustic and self-perception analysis,” Revista Brasileira de Otorrinolaringologia, vol. 70, pp. 331–339, 2004.

[31] A. V. Oppenheim, A. S. Willsky, and S. Hamid, Signals and systems, Prentice Hall, 1997.

[32] B. Efron, R. Tibshirani, and R. J. Tibshirani, An introduction to the bootstrap, Chapman & Hall/CRC, 1993.

[33] M. S. Behlau, Uma análise das vogais do português brasileiro falado em São Paulo: perceptual, espectrográfica de formantes e computadorizada de frequência fundamental, Escola Paulista de Medicina, 1984.

[34] L. P. Ferreira, D. M. Befi-Lopes, and S. C. O. Limongi, Tratado de fonoaudiologia, Roca, São Paulo: Roca, 2005.

[35] Z. Camargo, S. Madureira, L. P. Ferreira, D. M. Befi-Lopes, and S. C. O. Limongi, “Análise acústica: revisão crítica de estudos no campo das disfonias,” Tratado de fonoaudiologia, 2005.

[36] M. N. Vieira, “Uma introdução à acústica da voz cantada,” in I Seminário Música, Ciência e Tecnologia: Acústica Musical, 2005.

[37] J. Laver, The phonetic description of voice quality, vol. 1, Cambridge University Press, Cambridge, 1980.

[38] Z. Camargo, “Da fonação à articulação: princípios fisiológicos e acústicos,” Jornal do CFFa, vol. 2, no. 2, 1999.

[39] P. J. Murphy, “Spectral noise estimation in the evaluation of pathological voice,” Logopedics Phonatrics Vocology, vol. 31, no. 4, pp. 182–189, 2006.

[40] J. Sundberg, “Research on singing voice in retrospect,” Speech, Music and Hearing KTH, vol. 45, pp. 11–22, 2003.

[41] R. Lazzer, “The vocal paralysis in the adult: glottic configuration in the unilateral paralyses with involvement of the recurrent laryngeal nerve and its relationship with the therapeutic procedures,” Revista Cefac: Atualização Científica em Fonoaudiologia, 1999.

Marlice Fernandes de Oliveira é graduada em Fonoaudiologia pela Universidade Católica de Petrópolis (1980). Possui especialização em Voz pelo Centro de Estudos da Voz em São Paulo. Concluiu o mestrado em Ciências no Laboratório de Engenharia Biomédica (Biolab) pela Universidade Federal de Uberlândia (UFU) em 2007. Tem experiência nas diversas áreas de atuação fonoaudiológica e atua principalmente nas áreas de voz, motricidade orofacial e

reabilitação vestibular. É docente e coordenadora do Curso de Fonoaudiologia do Centro Universitário do Cerrado Patrocínio-MG desde 2005. É membro do Conselho Universitário e do Conselho de ensino, pesquisa e extensão do UNICERP. Faz parte do Comitê de Ética e Pesquisa do UNICERP. É revisora de trabalhos científicos submetidos à revista Saúde e Meio Ambiente do Centro Universitário do Cerrado Patrocínio.

Fernando Eduardo Resende Mattioli é graduado em Engenharia Elétrica pela Universidade Federal de Uberlândia (UFU), Uberlândia, Minas Gerais, Brasil, em 2009. Tem experiência na área de Engenharia da Computação, com ênfase em Realidade Virtual, Engenharia de Software e Engenharia Biomédica, atuando principalmente nos seguintes temas: realidade virtual, inteligência artificial, engenharia de software e

processamento digital de sinais. Atualmente é aluno de Mestrado em Engenharia Elétrica, na área de Realidade Virtual, na Universidade Federal de Uberlândia (UFU).


Edgard Afonso Lamounier Jr. possui Licenciatura Plena em Matemática (1986) e mestrado em Engenharia Elétrica, na área de Engenharia da Computação (1989) pela Universidade Federal de Uberlândia (UFU). Em 1996, obteve o título de PhD pela Escola de Computação da Universidade de Leeds, Inglaterra. Atualmente, é professor associado da Faculdade de Engenharia Elétrica da UFU, certificado CREA/CONFEA em

Engenharia da Computação. Tem experiência na área de Engenharia e Ciência da Computação, com ênfase em Arquitetura de Sistemas de Computação. Atua, principalmente, nos temas: aplicações de Realidade Virtual e Aumentada em Educação à Distância e em Engenharia Biomédica, Engenharia de Software e CAD. É membro efetivo da Sociedade Brasileira de Computação (SBC) e da Sociedade Brasileira de Engenharia Biomédica (SBEB). Em 2007, concluiu um MBA na área de Administração de Negócios e Comércio Eletrônico pela Abet Open Univerity, USA. Em 2010, foi eleito Presidente da Comissão Especial de Realidade Virtual da Sociedade Brasileira de Computação (CERV-SBC), para a gestão 2010-2012.

Adriano O. Andrade graduou-se em Engenharia Elétrica pela Universidade Federal de Goiás (UFG) em 1997. Concluiu o mestrado em Engenharia Elétrica no Laboratório de Engenharia Biomédica (Biolab) pela Universidade Federal de Uberlândia (UFU) em 2000. É doutor em Cibernética (2005) pelo Department of Cybernetics, University of Reading, Inglaterra, com especialização no processamento e detecção de sinais biológicos. É professor-

pesquisador na Faculdade de Engenharia Elétrica da UFU desde 2006. É Bolsista de Produtividade em Pesquisa do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) desde 2009. É bolsista do Programa Pesquisador Mineiro da Fundação de Amparo à Pesquisa de Minas Gerais (FAPEMIG) desde 2011. Sua pesquisa é voltada ao processamento e detecção de sinais biológicos com o interesse em investigar estratégias de controle adotadas pelo sistema neuromuscular, incluindo a utilização destes sinais para o controle de dispositivos externos (por exemplo, membros artificiais) e diagnóstico de doenças.


Assessment of Laryngeal Disorders Through the Global ... · pregas vocais em caso de lesões de...

Documents

Transcript of Assessment of Laryngeal Disorders Through the Global ... · pregas vocais em caso de lesões de...