С.Н. Кириллов – д.т.н., профессор, зав. кафедрой радиоуправления и связи,Рязанский государственный радиотехнический университет им. В.Ф. Уткина;  заслуженный работник высшей школы РФ, Академик Международной Академии связи,  член-корреспондент Академии военных наук

E-mail: kirillov.lab@mail.ru

А.Н. Кучуркин –  врач высшей квалификационной категории, зав. лор-отделением, Областная клиническая больница им. Н.А. Семашко (г. Рязань) 

E-mail: akuchurkin@list.ru

Д.Ю. Мамушев –  соискатель кафедры радиоуправления и связи,  Рязанский государственный радиотехнический университет им. В.Ф. Уткина

E-mail: mamushev_du@bk.ru

Постановка проблемы. Предложен метод поддержки принятия диагностических решений при заболеваниях горла и носа верхних дыхательных путей (ВДП) на основе анализа параметров речевого сигнала (РС).

Цель – исследовать влияние заболеваний ВДП на параметры РС, в частности установить значимые параметры РС, позволяющие диагностировать такие заболевания ВДП, как искривление носовой перегородки, полипозный синусит, ринит, тонзиллит, а также обосновать алгоритм классификации этих заболеваний на основе метода группового учета аргумента (МГУА).

Результаты. Исследовано влияние лор-заболеваний на такие группы характеристик РС, как параметры формант, мелчастотные кепстральные коэффициенты, параметры частоты основного тона (ОТ), энергия сигнала, коэффициенты линейного предсказания; впервые исследовались параметры нелинейной модели РС, разработанной авторами. При этом частота ОТ, форманты, динамический диапазон фонограммы, джиттер, шиммер использовались ранее в известных работах для определения нарушений голосовой функции у детей и взрослых в случае патологий гортани и с заболеванием легких. Остальные выбранные параметры РС не встречались в работах, посвященных определению лор-заболеваний у взрослых, а также в задаче классификации заболеваний ВДП и для решаемой в статье задачи анализируются впервые.

Практическая значимость. Обоснован алгоритм классификации данных заболеваний по параметрам РС на основе МГУА, используемого для идентификации характеристик системы и управления при малом числе исходных данных. Применение алгоритма МГУА для решаемой в статье задачи включает два пункта:

1. Обучение для оценки значимых параметров РС; результатом является вектор коэффициентов уравнений МГУА и пространство значений диагноза для выборки каждого заболевания и выборки здоровых людей.
2. Классификация вектора параметров предполагаемого пациента, как относящегося к одному из пространств признаков больных или здоровых людей. Результатом является вероятность правильной классификации, зависящая от числа значимых параметров, полученных на предыдущих этапах исследования.

Применение метода позволило установить минимальное достаточное количество параметров РС, для которых достигается вероятность правильной классификации заболевания 0,86−0,93.

1. Панкова В.Б. Основные направления профилактики патологии лор-органов // XVI Российский конгресс оториноларингологов «Наука и практика в оториноларингологии». М. 2017. С. 19–21.
2. Кочнева А.О., Егоров В.И., Логутова Л.С., Зайдиева Я.З. Изучение влияния патологии лор-органов на репродуктивную систему женщин детородного возраста // XIV Российский конгресс оториноларингологов «Наука и практика в оториноларингологии». М. 2015. С. 18.  
3. Дягтерева Д.В. Объективные неинвазивные методы исследования голосовой функции у детей: Дис. … канд. мед. наук. М. 2014. 124 с.
4. Патент № 2598051 (РФ), МПК A61B8/08. Способ определения изменений голосовой функции / Е.А. Галифанов, В.А. Невзорова, С.А. Артюшкин, Е.В. Крукович, Т.В. Тилик, Л.Б. Ардеева, А.А. Кабиева.  
5. Aithal V.U. et al. Acoustic analysis of voice in normal and high pitch phonation: a comparative study // Folia Phoniatr Logop. 2012. V. 64. № 1. P. 48–53.
6. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Технiка. 1975. 312 с. 
7. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Главная редакция физико-математической литературы. 1983. 416 с.
8. Рабинер Л., Голд Б. Теория и применение цифровой обработки сигналов. М.: Мир. 1978. 848 с. 
9. Кириллов С.Н., Мамушев Д.Ю., Лоцманов А.А. Нелинейная параметрическая модель речевых сигналов в задаче идентификации голоса диктора // Сб. трудов XIII Междунар. научной конф. «Информатизация и информационная безопасность правоохранительных органов». М.: Академия управления МВД России. 2004. С. 394–397.