Please use this identifier to cite or link to this item: https://dspace.sti.ufcg.edu.br/handle/riufcg/45050
Title: Mecanismos de atenção multi-head em modelos recorrentes e análise acústica da voz para auxílio ao diagnóstico da doença de Parkinson.
Other Titles: Multi-head attention mechanisms in recurrent models and acoustic voice analysis to aid in the diagnosis of Parkinson's disease.
???metadata.dc.creator???: LACERDA, Matheus Soares de.
???metadata.dc.contributor.advisor1???: ARAÚJO, Joseana Macêdo Fechine Régis de.
???metadata.dc.contributor.referee1???: GOMES, Herman Martins.
???metadata.dc.contributor.referee2???: COSTA, Silvana Luciene do Nascimento Cunha.
Keywords: Diagnóstico precoce;Coeficientes Cepstrais de Frequência Mel;Atenção multi-head;Redes Neurais Recorrentes;Aprendizado de máquina;Análise de fala;Doença de Parkinson;Early diagnosis;Mel-frequency cepstral coefficients;Recurrent neural networks,Multi-head attention;Machine learning;Speech analysis;Parkinson’s disease
Issue Date: 22-Sep-2025
Publisher: Universidade Federal de Campina Grande
Citation: LACERDA, Matheus Soares de. Mecanismos de atenção multi-head em modelos recorrentes e análise acústica da voz para auxílio ao diagnóstico da doença de Parkinson. 2025. 94 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2025.
???metadata.dc.description.resumo???: A Doença de Parkinson (DP) é uma doença neurológica degenerativa caracterizada pela redução da produção de dopamina, resultando em sintomas motores e não motores. Alterações na fala são biomarcadores promissores para diagnóstico precoce da doença, motivando este estudo a investigar o uso técnicas de análise acústica e diferentes arquiteturas de RNN (Recurrent Neural Networks), com e sem mecanismo de atenção multi-head, na classificação automática da doença de Parkinson. As RNN utilizam MFCC (Mel Frequency Cepstral Coefficients) como entrada, com diferentes tamanhos de janela, permitindo capturar padrões acústicos da fala. Análises estatísticas, com validação cruzada estratificada no corpus combinado (IPVS + MDVR/ReadText + MDVR/SpontaneousDialogue), sugerem que a inclusão de atenção multi-head tende a melhorar o desempenho do modelo BiLSTM (Bidirectional Long Short-Term Memory), especialmente com janelas de 1.200 amostras (F1-score=0,7468; ROC-AUC=0,7848). Contudo, em modelos BiGRU (Bidirectional Gated Recurrent Units), a inclusão de atenção multi-head não apresentou melhoria significativa, indicando que o impacto da atenção depende da arquitetura. Avaliações por validação cruzada (5-fold) confirmaram a robustez dos resultados, com o modelo BILSTM com atenção multi-head (2 cabeças, 1.200 amostras), que proporcionou desempenho de (F1-score=0,870), apesar da dificuldade da heterogeneidade dos dados. Esses resultados reforçam a viabilidade do uso de sinais de voz e redes neurais recorrentes com atenção para a detecção precoce da doença de Parkinson, destacando a importância do equilíbrio entre tamanho da janela e complexidade do modelo.
Abstract: Parkinson’s disease (PD) is a degenerative neurological disorder characterized by reduced dopamine production, resulting in motor and non-motor symptoms. Speech alterations are promising biomarkers for early diagnosis of the disease, motivating this study to investigate the use of voice and different Recurrent Neural Network (RNN) architectures, with and without multi-head attention mechanisms, in the automatic classification of Parkinson’s disease. The RNNs use Mel Frequency Cepstral Coefficients (MFCC) as input, with different window sizes, enabling the capture of acoustic speech patterns. Statistical analyses confirmed that the use of multi-head attention significantly improves the performance of Bidirectional Long Short-Term Memory (BiLSTM) models, especially with 1,200-frame windows (F1-score = 0.7468; ROC-AUC = 0.7848). However, in Bidirectional Gated Recurrent Unit (BiGRU) models, the inclusion of multi-head attention did not yield significant improvement, indicating that the impact of attention depends on the architecture. Cross-validation assessments (5-fold) confirmed the robustness of the results, with the BiLSTM model using multi-head attention (2 heads, 1,200 frames) achieving performance of F1-score = 0.870, despite the influence of data heterogeneity. These findings reinforce the feasibility of using speech signals and recurrent neural networks with attention for the early detection of Parkinson’s disease, highlighting the importance of balancing window size and model complexity.
Keywords: Diagnóstico precoce
Coeficientes Cepstrais de Frequência Mel
Atenção multi-head
Redes Neurais Recorrentes
Aprendizado de máquina
Análise de fala
Doença de Parkinson
Early diagnosis
Mel-frequency cepstral coefficients
Recurrent neural networks,Multi-head attention
Machine learning
Speech analysis
Parkinson’s disease
???metadata.dc.subject.cnpq???: Ciência da Computação
URI: https://dspace.sti.ufcg.edu.br/handle/riufcg/45050
Appears in Collections:Mestrado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
MATHEUS SOARES DE LACERDA - DISSERTAÇÃO - (PPGCC) 2025.pdf2.8 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.