ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕ

Извлечение формант и других характеристик и классификация состояния здоровья голоса методами машинного обучения

К. А. Саламатов, А. А. Смирнов

Уральский федеральный университет имени первого Президента России Б. Н. Ельцина

Аннотация: Данная статья посвящена разработке и анализу методов машинного обучения для автоматизированной диагностики нарушений голоса, что представляет собой актуальную задачу в современной медицине и логопедии. Голос играет ключевую роль в коммуникации, и его патологии могут существенно снижать качество жизни пациентов. Традиционные методы диагностики, включающие визуальный осмотр и эндоскопию, требуют участия специалистов и не всегда обеспечивают объективность. В связи с этим применение алгоритмов машинного обучения открывает новые возможности для повышения точности выявления речевых расстройств и их диагностики. В работе рассматриваются основные виды нарушений голоса, включая дисфонию, афонию, фонастению, брадилалию, тахилалию, заикание, дислалию и ринолалию. Для каждого из них анализируются этиология, симптоматика и существующие методы коррекции. Особое внимание уделяется акустическим параметрам голоса, таким как частота основного тона, jitter, shimmer и отношение сигнал/шум, которые могут служить маркерами патологий.

Ключевые слова: нарушения голоса, машинное обучение, акустический анализ, дисфония, афония, метод опорных векторов, градиентный бустинг, диагностика голосовых нарушений.

Поступила в редакцию: 01.07.2025
Исправленный вариант: 24.10.2025
Принята в печать: 02.07.2025

DOI: 10.60797/IRJ.2025.160s.1