Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Classification des sons respiratoires en vue d'une détection automatique des sibilants

Pelletier Charles. (2006). Classification des sons respiratoires en vue d'une détection automatique des sibilants. Mémoire de maîtrise, Université du Québec à Chicoutimi.

[thumbnail of 24968894.pdf]
Prévisualisation
PDF
6MB

Résumé

L'asthme est une maladie inflammatoire chronique des voies respiratoires. Il se manifeste par des crises de dyspnée sifflantes durant lesquels les sons émis sont appelés sibilants. Ces crises sont souvent nocturnes et réversibles, spontanément ou sous l'effet du traitement. Les sibilants caractérisant l'asthme se superposent aux sons respiratoires normaux et apparaissent le plus souvent à l'expiration. Notre projet de recherche consiste à réaliser un détecteur automatique des sibilants. Cette problématique sera traitée comme un processus de reconnaissance de formes. Le processus de reconnaissance de formes se compose de deux modules indissociables : 1) l'extraction des caractéristiques des signaux, et 2) la modélisation permettant la discrimination des classes. Des étapes de prétraitement ou de post traitement des données peuvent s'ajouter pour perfectionner le système. Les performances du système de reconnaissance dépendent des combinaisons des types de modules adoptés dans ce système. Pour ce projet, nous avons testé plusieurs combinaisons de techniques d'extraction des caractéristiques et de modélisation. Nous avons aussi analysé l'effet du prétraitement et du post traitement des données. Les résultats ont été comparés à l'aide de Faire sous la courbe (AUC - Area Under Curve) de tracés de type (ROC - Receiver Operating Characteristic). Le meilleur résultat a été obtenu en utilisant, comme caractéristiques, 16 coefficients de type (MFCC - Mel Frequency Cepstrum Coefficients) extraits d'un signal échantillonné à 6000 Hz sur des segments du signal sonore de 1024 échantillons. Ces paramètres ont été modélisés par la technique (GMM - Gaussian Mixture Model) h 8 regroupements en utilisant des matrices de covariance de type diagonale. Aucun prétraitement, effectué sur les paramètres, ne s'est avéré efficace. Par contre, une technique de post traitement, effectuée sur les mesures obtenues lors de l'étape de classification, s'est avérée bénéfique.

Type de document:Thèse ou mémoire de l'UQAC (Mémoire de maîtrise)
Date:2006
Lieu de publication:Chicoutimi, Québec
Programme d'étude:Maîtrise en ingénierie
Nombre de pages:103
ISBN:9781412314046
Identifiant unique:10.1522/24968894
Sujets:Sciences naturelles et génie > Génie > Génie électrique et génie électronique
Département, module, service et unité de recherche:Départements et modules > Département des sciences appliquées > Programmes d'études de cycles supérieurs en ingénierie
Directeur(s), Co-directeur(s) et responsable(s):Bahoura, Mohammed
Mots-clés:Reconnaissance des formes (Informatique), Pattern recognition systems, THESE, SIBILANT, ASTHME, DYSPNEE, DETECTEUR, DETECTION, AUTOMATIQUE, SYSTEME, RECONNAISSANCE, TRAITEMENT, SIGNAL, SON, RESPIRATOIRE, CLASSIFICATION, MODELISATION, CARACTERISTIQUE
Déposé le:01 janv. 2006 12:34
Dernière modification:17 déc. 2012 21:00
Afficher les statistiques de telechargements

Éditer le document (administrateurs uniquement)

Creative Commons LicenseSauf indication contraire, les documents archivés dans Constellation sont rendus disponibles selon les termes de la licence Creative Commons "Paternité, pas d'utilisation commerciale, pas de modification" 2.5 Canada.

Bibliothèque Paul-Émile-Boulet, UQAC
555, boulevard de l'Université
Chicoutimi (Québec)  CANADA G7H 2B1
418 545-5011, poste 5630