A seguir, foram comparadas as amostras de patologias que causam alteração no número de ciclos glóticos: nódulos, edema de Reinke e leucoplasias. Os resultados obtidos a partir dos valores de Jitter foram discriminados abaixo, de acordo com a configuração utilizada.
Primeiramente foram utilizados os valores obtidos a partir de todos os estimadores para Jitter Local, e então para Jitter Absoluto, sendo o pior e o melhor resultado mostrado na tabela a seguir.
Tabela 18 : resultados obtidos para Jitter Local e Absoluto.
Fonte: Autoria própria.
Para o Jitter Local a melhor configuração, que resultou em um melhor desempenho, foi composta por 30 neurônios e as porcentagens de treinamento, validação e teste com valores de 75%, 10% e 15%, respectivamente. O aumento do número de neurônios, bem como a alteração das porcentagens para quaisquer outros valores resultou em uma piora no desempenho. Para o Jitter Absoluto a alteração dos parâmetros não evidenciou melhora significativa do resultado, sendo a melhor configuração dada pelo número de 10 neurônios e porcentagens de 80%, 10% e 10%. Em ambos os casos, a utilização dos valores obtidos somente para Jitter não resultou em uma taxa de acertos satisfatória, apresentando uma concordância considerada sofrível, de acordo com a tabela 18.
A seguir, foram utilizados todos os valores provenientes de todos os estimadores. Com a alteração dos parâmetros pode-se perceber que houve uma melhora da taxa de acertos com o aumento do número de neurônios até o valor de 50, e então houve uma tendência de
58
estabilização do resultado, já a alteração dos valores referentes à porcentagem não representou uma nenhuma mudança significativa, tanto para melhor quanto para pior. O melhor resultado obtido foi alcançado com uma configuração contendo 50 neurônios e porcentagem de treinamento, validação e teste de 75%, 10% e 15%, respectivamente. Os melhores resultados obtidos podem ser vistos na tabela abaixo, e de acordo com a tabela 19, representam um resultado de concordância moderado.
Tabela 19: resultados obtidos utilizando-se todos os valores resultantes de todos os estimadores.
Fonte: Autoria própria.
Na sequência, foram analisados os resultados provenientes do uso dos valores obtidos para cada estimador, com o objetivo de identificar aquele que apresentou melhor desempenho em relação ao outro.
As configurações que fizeram uso somente das medidas isoladas provenientes dos estimadores ACF e RAPT não apresentaram um resultado satisfatório, sendo que qualquer alteração nos parâmetros configurou uma piora do desempenho. Portanto, os resultados para tais estimadores não foram analisados.
Para os estimadores YIN e PRAAT pode-se perceber que, em ambos, o aumento do número de neurônios resultou em uma melhora, e a partir de um dado valor, caracterizado por 50 neurônios, houve uma estabilização do resultado. Já a alteração dos valores de porcentagens resultava em uma piora no desempenho. O melhor resultado, para cada estimador, pode ser visto na tabela abaixo, e em ambos, para esses resultados foram utilizados 50 neurônios e porcentagens de 70%, 15% e 15%, apresentando um índice de concordância moderado.
59
Tabela 20: resultados obtidos para medidas provenientes dos estimadores YIN e PRAAT.
Kappa Configuração Concordância
YIN 0,4124 50 neurônios (70/15/15) Moderada
PRAAT 0,5371 50 neurônios (70/15/15) Moderada
Fonte: Autoria própria.
A partir da combinação dos estimadores, primeiro 2 a 2, e depois 3 a 3, percebeu-se, em todos os casos, a melhora do desempenho com o aumento do número de neurônios para o valor até 50 e uma piora nos resultados com quaisquer alteração das porcentagens. A combinação dos estimadores 3 a 3 não apresentou resultados satisfatórios, sendo não analisados neste trabalho os valores encontrados. Já para a combinação 2 a 2, os melhores resultados podem ser vistos a seguir, obtidos com 50 neurônios e porcentagens de 70%, 15% e 15%, e apresentando uma concordância moderada.
Tabela 21: resultados obtidos para combinações de estimadores.
Fonte: Autoria própria.
Em todos as combinações, foi observado que a inserção dos valores provenientes do estimador RAPT causavam uma piora nos resultados.
Já para as amostras provenientes dos valores de HNR, para patologias que causam alteração no número de ciclos glóticos, os resultados são discriminados a seguir, de acordo com a configuração utilizada.
Utilizando todas as medidas de desvio padrão, obtidas para todos os estimadores, obteve-se o resultado mostrado na tabela abaixo. Nesta configuração pode-se perceber que o aumento do número de neurônios ocasionou uma melhora no desempenho da rede até o número de 75 neurônios, sendo para valores acima observada uma estabilização na melhora. A alteração dos valores de porcentagem também causou uma alteração dos resultados, sendo o
60
melhor resultado obtido com os valores de porcentagem de treinamento, validação e teste de 70%, 10% e 20%, respectivamente, e o pior com 70%, 15% e 15%. Já para os números de neurônios, o melhor resultado foi obtido com 75 neurônios e o pior com 10. O melhor resultado apresentou um nível de concordância considerado bom.
Tabela 22: resultados obtidos utilizando-se todas os resultados de desvio padrão.
Fonte: Autoria própria.
Para uma configuração utilizando-se todas as médias obtidas a partir dos valores de HNR percebeu-se que a alteração das porcentagens não influenciava no desempenho da rede. Em contrapartida, a alteração do número de neurônios, como já observado anteriormente, causava uma melhora no resultado obtido até certo ponto e depois, então, estabilizava. Os parâmetros que apresentaram melhor resultado foram 50 neurônios e valores de porcentagem de 70%, 15% e 15%, sendo este resultado mostrado na tabela a seguir, e caracterizado como sendo moderado
quanto ao nível de concordância.
Tabela 23: resultados obtidos utilizando-se todas os resultados das médias.
Fonte: Autoria própria.
Ao utilizar todas os resultados de desvio padrão e médias, obtidas para todos os estimadores, obteve-se um nível de concordância considerado bom, como mostrado na tabela a seguir. A tendência observada anteriormente também pode ser vista nesta configuração, sendo o melhor resultado caracterizado pelos parâmetros de 50 neurônios e valores de porcentagem de treinamento, validação e teste de 70%, 15% e 15%, respectivamente.
Tabela 24: resultados obtidos utilizando-se todos os resultados obtidos para todos os estimadores.
61
Partindo para uma análise isolada dos resultados obtidos para cada estimador, os valores provenientes dos estimadores YIN, PRAAT e RAPT não apresentaram resultados satisfatórios, sendo caracterizados por um nível de concordância leve, e portanto seus resultados não foram aqui discriminados.
Já o estimador ACF apresentou nível de concordância moderado, sendo o melhor desempenho, mostrado na tabela abaixo, caracterizado pelos valores de 50 neurônios e porcentagem de treinamento, validação e teste de 70%, 15% e 15%.
Tabela 25: resultado para os valores obtidos com o estimador ACF.
Fonte: Autoria própria.
Com a combinação dos estimadores, novamente primeiro 2 a 2, e depois 3 a 3, observou-se que as primeiras combinações apresentaram melhores resultados, sendo então os resultados provenientes das combinações 3 a 3 não discriminados neste estudo.
Na combinação dos estimadores a tendência de melhora e estabilização foi preservada, sendo os melhores resultados obtidos mostrados a seguir.
Tabela 26: melhores resultados obtidos com a combinação de estimadores.
Fonte: Autoria própria.
A combinação entre YIN e ACF foi caracterizada por um nível de concordância moderado, sendo que qualquer alteração dos parâmetros default do sistema causavam uma piora nos resultados.
62
Já as combinações entre PRAAT e RAPT, e ACF e RAPT apresentaram um nível de concordância considerado bom, em ambos o melhor resultado foi obtido com um número de 50 neurônios e porcentagem de treinamento, validação e teste de 70%, 15% e 15%, respectivamente.
Dentre os estimadores, para valores de HNR, percebeu-se que a inclusão dos resultados provenientes do estimador YIN causavam uma piora no resultado. Em contrapartida, os valores provenientes do ACF causavam uma melhora, portanto mesmo a combinação de um estimador que apresentou resultados não satisfatórios, ao incluir-se os resultados de um bom estimador, pode-se chegar num nível moderado de concordância.
63