Banca de DEFESA: GIULLIANA KARLA LACERDA PEREIRA DE QUEIROZ

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: GIULLIANA KARLA LACERDA PEREIRA DE QUEIROZ
DATA: 23/10/2026
HORA: 14:00
LOCAL: us02web.zoom.us/j/83522308269?pw...
TÍTULO: DESENVOLVIMENTO E VALIDAÇÃO DO ÍNDICE DO GRAU DE SOPROSIDADE (GBI) E DO ÍNDICE DO GRAU DE RUGOSIDADE (GRI) EM FALANTES DO PORTUGUÊS BRASILEIRO
PALAVRAS-CHAVES: Disfonia; Análise acústica; Distúrbios da voz; Julgamento auditivo-perceptivo; Índice multiparamétrico; Lógica Fuzzy
PÁGINAS: 99
GRANDE ÁREA: Multidisciplinar
ÁREA: Interdisciplinar
RESUMO: Objetivo. Desenvolver, avaliar e validar modelos acústicos multiparamétricos, baseados em lógica fuzzy, para prever o grau de soprosidade e o grau de rugosidade em vozes disfônicas e não disfônicas de falantes do português brasileiro. Método. Este é um estudo transversal e retrospectivo que incluiu amostras vocais da vogal sustentada [a] e de fala conectada de 300 participantes (235 mulheres, 65 homens). Cinco fonoaudiólogos especialistas avaliaram o Grau de Soprosidade (GB) e o Grau de Rugosidade (GR) em uma escala analógica visual (0–100 pontos) via plug-in VoxMore APJ. Com base nos julgamentos ponderados pela confiabilidade dos especialistas (Coeficiente de Correlação Intraclasse), elaboraram-se Escalas Visuais Analógicas Fuzzy (EVA Fuzzy), modelando a incerteza perceptual por lógica fuzzy e algoritmo k-means. Das amostras, extraíram-se 47 medidas acústicas. Utilizou-se o método stepwise para a seleção das variáveis preditoras, permitindo o ajuste e a construção dos modelos finais de regressão linear múltipla, tendo a EVA Fuzzy como variável dependente para identificar os preditores acústicos do GB e GR. A validação avaliou os pressupostos estatísticos (normalidade, homocedasticidade, independência e multicolinearidade) e, como métrica de desempenho do modelo, o Erro Médio Absoluto (MAE). Resultados. Os modelos acústicos desenvolvidos, o Grade of Breathiness Index (GBI) e o Grade of Roughness Index (GRI), demonstraram alta capacidade preditiva. O GBI explicou 80,49% da variabilidade no GB percebido, identificando quatro preditores significativos: proeminência mediana do pico cepstral suavizado (CPPSmediana), jitterddp, GNE_3000Hz e Hfno_6000Hz, apresentando um MAE de 8,04 pontos. O GRI explicou 80,56% da variabilidade no GR percebido, identificando quatro preditores significativos: proeminência mediana do pico cepstral suavizado (CPPSmediana), GNE_1000Hz, HNR_média e desvio padrão do período (PSD), apresentando um MAE de 7,74 pontos. Conclusões. O GBI e o GRI demonstram capacidade preditiva robusta e alta aderência aos julgamentos perceptivos de soprosidade e rugosidade, com R 2 ajustados de 80,49% e 80,56% e MAEs de 8,04 e 7,74 pontos, respectivamente.
MEMBROS DA BANCA:
Interno(a) - 1668545 - ANNA ALICE FIGUEIREDO DE ALMEIDA QUEIROZ
Interno(a) - 1552220 - EUFRASIO DE ANDRADE LIMA NETO
Presidente(a) - 2634755 - LEONARDO WANDERLEY LOPES
Interno(a) - 1724406 - LUIZ MEDEIROS DE ARAUJO LIMA FILHO
Externo(a) à Instituição - SAMUEL RIBEIRO DE ABREU
Externo(a) à Instituição - TIAGO LIMA BICALHO CRUZ