Diagnostic de la maladie covid-19 basé sur l’analyse du signal vocal et la classification KNN

Abstract

Notre travail consiste à concevoir et implémenter un système de diagnostic de la maladie Covid-19 à partir du signal vocal. Ce système est basé sur une architecture récemment appliquée dans plusieurs systèmes de reconnaissance de formes tels que l’identification des appareils électriques, le diagnostic de la maladie de Parkinson et la classification des signaux PCG (phono-cardiau-grammes). Cette architecture consiste à appliquer le classificateur KNN avec la stratégie de la règle de vote. Plus particulièrement, notre système de diagnostic proposé se base sur l’extraction des paramètres acoustiques MFCC et LPCC, combinée avec le classificateur KNN et la stratégie de la règle de vote. Ce système est évalué sous une base de données constituée de 600 signaux vocaux appartenant à trois classes différentes notées par: H (Healthy), S (présentant des symptômes différents de covid19) et C (présence de la maladie Covid19). Les résultats de différentes expériences cherchant la bonne configuration du système nous ont montré de performances acceptables avec un taux de classification de 63.67% obtenu en choisissant le type de paramètres MFCC et le classificateur KNN basé sur la distance "Corrélation" avec un nombre de vecteurs les plus proches voisins égal à 8.