SISTEMA DE CLASSIFICAÇÃO DE RUÍDOS EM UNIDADE DE TERAPIA INTENSIVA NEONATAL

O trabalho consiste em desenvolver e aplicar um sistema que consiga classificar os ruídos existentes em uma unidade de terapia intensiva neonatal. Dois métodos de reconhecimento de áudio se destacam aqui nesse trabalho: Aprendizagem profunda utilizando os MFCCs (do inglês, Mel Frequency Cepstral Coefficients), é uma abordagem de aprendizagem supervisionada onde mostra um bom desem- penho no reconhecimento de fala e instrumentos musicais; e a utilização de um índice cha- mado EGCI (do inglês, Ecoacustic Global Complexity Index), esse índice mapeia os sinais sonoros em um único ponto com coordenadas H (Entropia) e C (Complexidade), no plano HxC. Dadas essas duas abordagens, elas foram exploradas com profundidade para saber suas aderências com o problema do trabalho. Foram utilizados dois banco de dados: Um com 10 tipos de instrumentos musicais e outro com 6 tipos de áudios baixados da internet que podem acontecer em uma UTIN. Cada abordagem foi testada com ambos os bancos de áudios. O uso de aprendizagem profunda funcionou muito bem para o banco de instrumentos, já o EGCI não obteve um bom resultado. Levando em conta que o foco desse trabalho, os áudios de UTIN se assemelham mais com o banco de aúdios, e nesse caso o EGCI teve um performance melhor que o de aprendizagem profunda. Isso é devido esse índice ter um bom desempenho em identificar a riqueza acústica dos sons, e nos sons comuns de UTIN isso pode ser um fator preponderante na classificação. Devido a isso o uso do EGCI será mais explorado no trabalho, um exemplo dessa exploração pode ser uni- lo com um algoritmo de classificação como o kNN para melhor agrupar esses áudios próximos no plano HxC.