Skip navigation
Please use this identifier to cite or link to this item:
Full metadata record
DC FieldValueLanguage
dc.contributor.authorВашкевич, М. И.-
dc.contributor.authorГвоздович, А. Д.-
dc.contributor.authorРушкевич, Ю. Н.-
dc.contributor.authorПетровский, А. А.-
dc.identifier.citationАкустический анализ голоса для выявления речевых нарушений при боковом амиотрофическом склерозе / М. И. Вашкевич и др. // Доклады БГУИР. - 2018. - № 7 (117). - С. 64 - 68.ru_RU
dc.description.abstractРассматривается способ акустического анализа голосового сигнала, содержащего протяжные гласные звуки, для построения системы детектирования речевых нарушений при боковом амиотрофическом склерозе (БАС), являющимся неврологическим заболеванием. Предложен способ сегментации голосового сигнала на периоды основного тона, который используется при расчете параметров джиттер и шиммер. Выполнено сравнение двух систем детектирования речевых нарушений при БАС, в одной из которых исходными данными являлись параметры голоса, полученные предлагаемым способом, а во второй – параметры, полученные в распространенной системе PRAAT. Результаты экспериментов показали, что применение прилагаемого способа анализа значительно улучшает (на 20 %) точность детектирования.ru_RU
dc.subjectдоклады БГУИРru_RU
dc.subjectакустический анализ сигналаru_RU
dc.subjectбоковой амиотрофический склерозru_RU
dc.subjectacoustic analysisru_RU
dc.subjectamyotrophic lateral sclerosisru_RU
dc.titleАкустический анализ голоса для выявления речевых нарушений при боковом амиотрофическом склерозеru_RU
dc.title.alternativeAcoustic analysis of voice for detection of speech disorder for amyotrophic lateral sclerosisru_RU
local.description.annotationA method of acoustic signal analysis with sustain vowel phonation for detection of amyotrophic lateral sclerosis (ALS) is considered. A method for segmentation of the voice signal into periods of the fundamental tone, which is used for evaluation of the jitter and shimmer parameters, is proposed. A comparison of two ALS detectors was performed. The first detector was trained using voice features extracted by the proposed method, while the second detector was trained using features obtained with PRAAT toolkit. The result showed a significant improvement (by 20 %) in the accuracy of detecting ALS disease using the proposed Method.-
Appears in Collections:№7 (117)

Files in This Item:
File Description SizeFormat 
Vashkevich_Akusticheskiy.PDF558.17 kBAdobe PDFView/Open
Show simple item record

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.