EXTRAÇÃO DE CARACTERÍSTICAS DO SINAL DE ÁUDIO PARA A TAREFA DE UROFLUXOMETRIA SONORA

INTRODUÇÃO: Este projeto se dedicou a analisar como pode ser utilizado machine learning na Urofluxometria, para analisar áudios de pacientes e detectar se o paciente possui alguma patologia. OBJETIVOS: Os objetivos específicos foram de investigar e analisar diferentes métodos de extração de características de áudios, quais algoritmos de classificação obtém um número maior de acertos e quantidade de características extraídas. MATERIAIS E MÉTODO: Para isso, foi necessário escrever um código em Python que extraísse as características de múltiplos arquivos de áudio, exportasse para um arquivo de extensão .csv e fosse enviado para o programa Weka (após a conversão necessária do arquivo exportado para o formato aceito pelo programa). RESULTADOS: Com isso, pode-se notar que o algoritmo SMO obteve o melhor resultado, porém por pouca diferença do resultado mais comum, devido ao tamanho da base de dados utilizada. CONSIDERAÇÕES FINAIS: Portanto, foi concluído que, para projetos e trabalhos futuros, idealmente deve ser aumentado a base de dados utilizada, além de testar variações dos parâmetros do algoritmo SMO.

PALAVRAS-CHAVE: Classificadores; MFCC; Python; SMO; Weka.