Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato

Abstract

On average the lack of biological markers causes a one year diagnostic delay to detect amyotrophic lateral sclerosis (ALS). To improve the diagnostic process an automatic voice assessment based on acoustic analysis can be used. The purpose of this work was to verify the sutability of the sustain vowel phonation test for automatic detection of patients with ALS. We proposed enhanced procedure for separation of voice signal into fundamental periods that requires for calculation of perturbation measurements (such as jitter and shimmer). Also we proposed method for quantitative assessment of pathological vibrato manifestations in sustain vowel phonation. The study's experiments show that using the proposed acoustic analysis methods, the classifier based on linear discriminant analysis attains 90.7% accuracy with 86.7% sensitivity and 92.2% specificity.Index Terms-voice pathology identification, amyotrophic lateral sclerosis, voice assessment.

Voice Pathology Detection based on Analysis of Modulation Spectrum in Critical Bands

“…Приведенные графики выявляют особенности анализа, присущие рассматриваемым схемам. Схема анализа на основе ДПФ формирует сглаженное частотно-временное распределение энергии сигнала за счет относительно широкого ( [31], таких как болезнь Паркинсона [32,33], боковой амиотрофический склероз [34][35][36][37] и другие. [38].…”

“…Его также применяют для выявления заболеваний гортани, таких как узлы, полипы, парезы [39,40], рак [41] и прочие [42]. В большинстве подобных работ исследователи используют методы анализа во временной области (джиттер, шиммер) [37,41,43], а также методы анализа в частотной и кепстральной областях [31,32,34,40], которые первоначально использовались в системах распознавания речи. Имеется относительно немного работ, описывающих применение параметров модуляционного спектра к задаче выявления патологии голосового аппарата.…”

“…В настоящей работе анализировалось применение параметров модуляционного спектра, полученных при помощи схем, показанных на рисунках 5 и 6 для детектирования патологии голосового аппарата. Использовались три различные речевые базы данных: 1) база записей голосов (протяжный звук [а]) пациентов с БАС [37]; 2) база коротких речевых фраз пациентов с БАС [44]; 3) база записей голосов пациентов с заболеванием гортани [40].…”

“…В первом эксперименте по детектированию патологии голосового аппарата использовалась база голосов из исследования[37], содержащая записи протяжного звука [а] 15 пациентов с БАС и 39 здоровых людей. В[37] использовались голоса пациентов с БАС, чья речь обладала хорошей разборчивостью, но имела признаки патологии, слышимые для врача-специалиста, но трудно различимые для Таблица 1. Точность классификации в зависимости от используемого числа признаков (p) для базы голосов[37].…”

“…В[37] использовались голоса пациентов с БАС, чья речь обладала хорошей разборчивостью, но имела признаки патологии, слышимые для врача-специалиста, но трудно различимые для Таблица 1. Точность классификации в зависимости от используемого числа признаков (p) для базы голосов[37]. Для каждого интервала в скобках указано число признаков, при котором достигается наибольшая точность…”