informИнформатикаInformatics1816-03012617-6963UIIP NASB10.37661/1816-0301-2020-17-1-78-86inform-893Research ArticleОБРАБОТКА СИГНАЛОВ, ИЗОБРАЖЕНИЙ, РЕЧИ, ТЕКСТА И РАСПОЗНАВАНИЕ ОБРАЗОВSIGNAL, IMAGE, SPEECH, TEXT PROCESSING AND PATTERN RECOGNITIONАнализ акустических параметров голоса для выявления заболеваний гортаниAnalysis of acoustic voice parameters for larynx pathology detectionhttps://orcid.org/0000-0002-1267-0795ВашкевичМ. И.VashkevichM. I.

Вашкевич Максим Иосифович, кандидат технических наук, доцент кафедры электронных вычислительных средств

Maxim I. Vashkevich, Cand. Sci. (Eng.), Associate Professor of Computer Engineering Department

vashkevich@bsuir.byБуракА. А.BurakA. A.

Бурак Антон Андреевич, студент

Anton A. Burak, Student

antosh-ka2000@mail.ruКонойкоН. С.KanoikaN. S.

Конойко Наталья Сергеевна, заведующий фониатрическим отделением

Natallia S. Kanoika, Head of the Phoniatric Department

n_konoiko@mail.ruДолдоваВ. С.DaldovaV. S.

Долдова Валерия Сергеевна, врач-фониатр фониатрического отделения

Valeria S. Daldova, Phoniatrist of the Phoniatric Department

n_konoiko@mail.ruБелорусский государственный университет информатики и радиоэлектроникиBelarusian State University of Informatics and RadioelectronicsГУ «Республиканский научно-практический центр оториноларингологии»Republican Scientific and Practical Center of Otorhinolaryngology2020171220191717886Copyright © Вашкевич М.И., Бурак А.А., Конойко Н.С., Долдова В.С., 20202020Вашкевич М.И., Бурак А.А., Конойко Н.С., Долдова В.С.Vashkevich M.I., Burak A.A., Kanoika N.S., Daldova V.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/893

Приведены результаты анализа двух способов описания голосового сигнала для решения задачи выявления заболеваний гортани. Сравнивались параметры голоса, определяемые клинической системой lingWaves, и параметры, получаемые в результате мел-частотного кепстрального анализа голоса. Для определения пригодности данных параметров при решении задачи выявления заболеваний гортани на их основе строился классификатор с использованием вероятностной модели – логистической регрессии. Для обучения классификатора была записана база голосов 60 человек, 30 из которых составляли контрольную группу, а другие 30 имели различные заболевания гортани (узелки голосовых складок, паралич гортани или функциональную дисфонию). Показано, что точность классификатора на основе мелчастотных кепстральных параметров (83,8 %) выше, чем точность классификатора на основе параметров, полученных в системе lingWaves (60,4 %).

The comparative study of two types of voice signal representation for larynx pathology detection is presented. Parameters obtained in clinical system lingWaves compared to parameters obtained by mel-frequency cepstral analysis. The classifier based on the probabilistic model (logistic regression) was designed to determine the suitability of given parameters for the larynx pathology detection problem. To train the classifier, the base of voice samples of 60 persons was recorded, 30 of which constitute the control group, and the other 30 had various diseases of the larynx (nodules of the vocal folds, laryngeal paralysis, or functional dysphonia). The results show that the classifier based on mel-frequency cepstral parameters (83,8 %) higher than the classifier based on parameters obtained in lingWaves (60,4 %).

анализ голосаакустические параметры голосакепстральный анализдетектирование патологии в голоселогистическая регрессияvoice analysisacoustic voice parameterscepstral analysisvoice pathology detectionlogistic regressionReferencesШиленкова, В. В. Дисфонии и голос / В. В. Шиленкова. – Ярославль : Аверс Плюс, 2018. – 256 с.Shilenkova V. V. Disfonii i golos. Dysphonies and Voice. Yaroslavl, Avers Pljus, 2018, 256 р. (in Russian).Ермолаев, В. Г. Руководство по фониатрии / В. Г. Ермолаев, Н. Ф. Лебедева, В. П. Морозов. – Л. : Медицина, Ленинград. отд., 1970. – 271 с.Ermolayev V. G., Lebedeva N. F., Morozov V. P. Rukovodstvo po foniatrii. Phoniatrics Guide. Leningrad, Medicina, Leningradskoe otdelenie, 1970, 271 р. (in Russian).Коротченко, В. В. Акустический анализ голоса у детей в норме и при заболеваниях гортани : автореф. дис. … канд. мед. наук / В. В. Коротченко ; Мин-во здравоохр. и соц. развития РФ, Ярославская гос. мед. академия. – М., 2012. – 24 c.Korotchenko V. V. Akusticheskij analiz golosa u detej v norme i pri zabolevaniyax gortani. Avtoref. dis. … kand. med. nauk. Acoustic Analysis of Voice in Children Is Normal and with Diseases of the Larynx. Cand. med. sci. diss. abstr. Ministerstvo zdravoohranenija i social'nogo razvitija Rossijskoj Federacii, Jaroslavskaja gosudarstvennaja medicinskaja akademija. Moscow, 2012, 24 р. (in Russian).Automatic detection of laryngeal pathologies in records of sustained vowels by means of mel-frequency cepstral coefficient parameters and differentiation of patients by sex / R. Fraile [et al.] // Folia Phoniatrica Logopaedica. – 2009. – Vol. 61. – P. 146–152.Fraile R., Sáenz-Lechón N., Godino-Llorente J., Osma-Ruiz V., Fredouille C. Automatic detection of laryngeal pathologies in records of sustained vowels by means of mel-frequency cepstral coefficient parameters and differentiation of patients by sex. Folia Phoniatrica Logopaedica, 2009, vol. 61, pp. 146–152.Рылов, А. С. Анализ речи в распознающих системах / А. С. Рылов. – Минск : Бестринт, 2003. – 264 с.Rilov A. S. Analiz rechi v raspoznajushhih sistemah. Speech Analysis in Recognition Systems. Minsk, Bestprint, 2003, 264 p. (in Russian).Huang, X. Spoken Language Processing: a Guide to Theory, Algorithm and System Development / X. Huang, A. Acero, H.-W. Hon. – New Jersey : Prentice Hall, 2001. – 1009 p.Huang X., Acero A., Hon H.-W. Spoken Language Processing: a Guide to Theory, Algorithm and System Development. New Jersey, Prentice Hall, 2001, 1009 p.Флах, П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных : пер. с англ. / П. Флах. – М. : ДМК Пресс, 2015. – 400 с.Flach P. Machine Learning. The Art and Science of Algorithms that Make Sense of Data. Cambridge University Press, 2012, 409 p.Tibshirani, R. Regression shrinkage and selection via the Lasso / R. Tibshirani // J. of the Royal Statistical Society. – 1996. – Vol. 58, no. 1. – P. 267–288.Tibshirani R. Regression shrinkage and selection via the Lasso. Journal of the Royal Statistical Society, 1996, vol. 58, no. 1, pp. 267–288.

The authors declare that there are no conflicts of interest present.