Résumé:
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.
