СПОСОБ ИССЛЕДОВАНИЯ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ГОЛОСОВЫХ СКЛАДОК Российский патент 2007 года по МПК A61B5/08 

Изобретение относится к медицине, а именно к способам качественно-количественного анализа функционального состояния голосовых складок.

Известен способ оценки фонаторных колебаний голосовых складок, в котором на основе экспертной бальной оценки пяти качественных характеристик колебаний голосовых складок определяется индекс вибраторных нарушений, по величине которого делается заключение о наличие голосовых нарушений (см. Использование видеоларингостробоскопии в фониатрической практике - пособие для врача. Московский научно-исследовательский институт уха, горла и носа. Москва. 1997. 22 с.).

Однако этот способ диагностики недостаточно эффективен в силу интегрального характера индекса вибраторных нарушений, что не позволяет дифференцировать голосовые нарушения; ограниченности динамического диапазона экспертной оценки (от одного до трех баллов), что снижает как чувствительность, так и специфичность способа; частого отсутствия возможности определения индекса вибраторных нарушений на основании всех пяти характеристик и отсутствия полной идентичности условий при постановке эксперимента, что затрудняет сопоставимость типа голосовых нарушений и численного значения индексов вибраторных нарушений; и отсутствия возможности ретроспективного анализа.

Наиболее близким к изобретению является способ исследования голоса, при котором определяют особенности способности голосовоспроизводящего аппарата к речеобразованию (см. А.А.Скоромец, Т.А.Скоромец "Топическая диагностика заболеваний нервной системы". Политехника, издательство Санкт-Петербург, 2000 г., стр.141). При этом для записи исследуемых звуков речи используют устройства, в которых посредством акустических датчиков звуки речи преобразуются в электрические колебания, которые затем усиливаются и могут быть представлены в виде записи, например, на магнитную ленту или в виде кривой на бумагу (см. Н.М.Ливенцев. "Курс физики". М.: Высшая школа, 1974 г., стр.114-115).

Недостатками этого способа, так же как и предыдущего, являются низкая специфичность и требование высокой квалификация эксперта для принятия решения о наличие или отсутствие патологии голосового аппарата.

Задачей изобретения является повышение специфичности анализа функционального состояния голосовых складок, что позволит сократить сроки лечения и увеличить время ремиссии.

Для этого в известном способе исследования голоса, включающем преобразование с помощью акустического датчика сигнала вокализированной тестовой фонемы в электрический сигнал и запись его на магнитный носитель в виде последовательности дискретных отсчетов, полученная дискретная последовательность представляется в виде вейвлет-плоскости, которая сегментируется на сегменты, каждый из которых отражает спектральную структуру тестовой фонемы, в каждом сегменте выбирается характерный признак, который коррелирован с состоянием голосовых складок, его количественная величина оценивается экспертом, и в полученном таким образом признаковом пространстве определяются расстояния Махаланобиса от точки, соответствующей вектору признаков, до центроид классов, априорно определенных для конкретных обучающих выборок в том же признаковом пространстве; и состояние голосовых складок относят к тому классу, расстояние Махаланобиса для которого наименьшее.

На фиг.1 изображена структурная схема автоматизированной системы, предназначенной для реализации предлагаемого способа. Она включает стереогарнитуру 3, предназначенную для подключения к пациенту 2; аналоговый интерфейс 4, входы которого подключены к выходу стереогарнитуры 3; ЭВМ 5, подключенную к выходу аналогового интерфеса 4; монитор 6, подключенный к ЭВМ 5 и предназначенный для реализации взаимодействия между врачом 1, пациентом 2 и модулем оцифровки сигнала ЭВМ 5.

На фиг.2, а представлен сегментированный спектр Фурье сигнала голоса (в качестве иллюстрации выбрана фонема И), а на фиг.2, б - сегментированное вейвлет-преобразование того же сигнала.

На фиг.3 показаны три сегмента А вейвлет-плоскостей фонемы И: с высокой степенью регулярности частот (X1=4,5) вверху; со средней степенью (Х1=2,5) в центре; с низкой регулярностью частот (Х1=1,5) внизу.

На фиг.4, а показан фрагмент таблицы экспериментальных данных для обучающих выборок трех классов, а на фиг.4, б - фрагмент таблицы с расстояниями Махаланобиса, полученных в пакете STATISTICA 6, для обучающей и контрольной выборок тех же классов.

Способ осуществляется следующим образом.

К пациенту 2 подключают стереогарнитуру 3. После этого врач 1 предлагает ему фонировать одну из гласных, например И. Команды начала фонирования, времени фонации, установки частоты дискретизации сигнала голоса задаются врачом 1 через интерфейсный модуль ЭВМ 5 и являются входными параметрами модуля оцифровки сигнала, который входит в программное обеспечение ЭВМ 5. Время фонации составляет 5 с. Частота дискретизации сигнала голоса - 11000 Гц. Обратная связь по моменту начала фонации и по времени фонации осуществляется между врачом 1, пациентом 2 и модулем оцифровки сигнала ЭВМ 5 через монитор 6 (см. фиг.1). В результате такого взаимодействия в памяти ЭВМ 5 записывается сигнал голоса длиною 5 с.

Затем посредством визуального анализа записанного сигнала с помощью интерфейсного модуля и модуля оцифровки сигнала ЭВМ 5 из полученного массива отсчетов сигнала голоса выбирают отрезок длиной в 0,15 с, наименее подверженный артефактам и помехам, и получают его вейвлет-преобразование. Указанные процедуры могут быть выполнены в пакете Matlab 6.1 (см. Дьяконов В.П. Вейвлеты. От теории к практике. «Солон». 2004. 448 с.).

На фиг.2, б представлена вейвлет-плоскость сигнала голоса, записанного с вышеуказанными параметрами при фонации звука И женщиной со здоровым голосовым аппаратом. Для диагностики состояния голосового аппарата по вейвлет-плоскости необходимо синтезировать признаковое пространство, для чего вейвлет-плоскость фиг.2, б разбивается на пять сегментов: А, В, С, D, и Е, дислокации которых показаны соответствующими стрелками. Принцип этого деления определяется спектральной структурой тестовой фонемы.

На фиг.2, а показан типичный спектр Фурье сигнала голоса фонемы И и его сегменты, соответствующие сегментам вейвлет-плоскости фиг.2, б. Сегмент А включает высокочастотную область вейвлет-плоскости - зону обертонов, сегмент В соответствует области второй форманты, сегмент С - это пограничная область между второй и первой формантой, сегмент D - это зона первой форманты, сегмент Е - это низкочастотная область, к которой относятся все частоты вейвлет-плоскости, лежащие ниже частоты основного тона. Признаковое пространство синтезируется, используя эту сегментацию, следующим образом.

Первый информативный признак X1 характеризует регулярность частоты по времени в сегменте А и оценивается по пятибалльной системе на основе экспертной оценки. На фиг.3 приведены три сегмента А для трех пациентов с различной регулярностью вейвлет-коэффициентов: от 1,5 до 4,5.

Второй признак Х2 характеризует степень вариабельности величин вейвлет-коэффициентов вдоль осей времени и частоты в сегментах В и D, соответствующих зонам дислокации второй и первой формантам фонемы И. Он также оценивается по пятибалльной системе на основе экспертной оценки.

Третий информативный признак Х3 характеризуется отношением энергий в сегментах В и D и приблизительно может быть рассчитан как отношение площадей этих сегментов.

Четвертый и пятый информативные признаки Х4 и Х5 характеризуют степень локализации формант и определяются расстоянием (по оси частот) между верхней и нижней границами сегментов В и D соответственно. Чтобы эти признаки не зависели от параметров вейвлет-преобразования, их целесообразно нормировать по частотному диапазону, который занимает вейвлет-плоскость.

Для получения диапазонов изменения этих признаков нами проведены статистические исследования вейвлет-плоскостей пациентов в норме и с характерными патологиями. В таблице представлены результаты исследования для функциональных и органических дисфоний.

ТаблицаВейвлет-описания информативных признаков фонемы И для некоторых классов заболеваний голосового трактаПоказательНормаФункциональная дисфонияОрганическая дисфонияВоспалительные заболевания гортаниX14...53...41...20...1Х20...11...22...33...5Х30,35...0,440,1...0,150,01...0,10...0,1Х40,05...0,10,04...0,080,02...0,040...0,02Х50,1...0,150,1...0,120,12...0,150,1...0,15

Полученные вейвлет-описания информативных признаков класса «норма» иллюстрирует фиг.2, б.

На фиг.2, б видим, что в области обертонов наблюдается высокая регулярность, которая может быть оценена 4...5 баллами. Наиболее низкая вариабельность Х2 в первой форманте (сегмент D), которая может быть оценена 0...1 баллом. Среднестатистическое соотношение энергий сегментов В и D лежит в пределах 0,35...0,44. Показатели локализации формант составляют 0,05...0,1 и 0,1...0,15.

Для классификации нарушений голосового аппарата в выбранном признаковом пространстве используем дискриминантный анализ в пакете STATISTICA 6 (см. Боровиков В. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов. 2-е изд. (+CD). - СПб.: Питер, 2003. 688 с.).

Для каждой совокупности объектов определенного класса (выборке) можно определить точку, координаты которой представляют средние для всех переменных в многомерном пространстве, определенных в рассматриваемой модели. Эти точки называются центроидами классов. Для каждого наблюдения можно затем вычислить его расстояние Махаланобиса до каждой центроиды (до каждого класса). Наблюдение признается принадлежащем к тому классу, к которому оно ближе, т.е. для которого расстояние Махаланобиса минимально (см. Боровиков В. STISTICA. Искусство анализа данных на компьютере: Для профессионалов. 2-е изд. (+CD). - СПб.: Питер, 2003. 688 с. CD, раздел «Дискриминантный анализ»).

Фрагмент таблицы с обучающей выборкой в пакете STATISTICA 6 приведен на фиг.4, а. На фиг.4, б показана таблица с расстояниями Махаланобиса для обучающей и контрольной выборок.

В общем случае пациент считается принадлежащим к тому классу, для которого расстояние Махаланобиса минимально. Однако врач, анализируя числовые значения расстояний Махаланобиса, может вводить свои критерии и отнести пациента к другому классу с близким, но не минимальным значением расстояния Махаланобиса.

Предлагаемый способ был апробирован более чем на 300 больных с заболеваниями голосового аппарата разной степени тяжести и разных возрастов.

Конкретные примеры

Пример 1. Больная Н., 12 лет, предъявляет жалобы на быструю голосовую утомляемость, ощущение «кома» в горле. Голос тихий, слабый, тусклый, при длительной голосовой нагрузке охриплый.

Вейвлет-диагноз: Х1=2,5; Х2=2; Х3=0,1; Х4=0,05; Х5=0,12.

Компьютерный диагноз: функциональная дисфония.

Непрямая ларингоскопия: голосовые складки обычной окраски. При фонации отмечается их неполное смыкание с образованием голосовой щели овальной формы.

Микроларингоскопия: незначительное усиление сосудистого рисунка слизистой голосовых складок.

Ларингостробоскопия: амплитуда колебательных движений голосовых складок снижена, время фонации укорочено.

Диагноз: Гипотонусная дисфония.

Пример 2. Больной В., 14 лет, беспокоит чувство дискомфорта в гортани. Голос охриплый, часто срывается с грудного звучания на фальцет.

Вейвлет-диагноз: Х1=3; Х2=2; Х3=0,12; Х4=0,05; Х5=0,11.

Компьютерный диагноз: функциональная дисфония. Непрямая ларингоскопия: гиперемия и отечность слизистой голосовых складок. При фонации отмечается их не полное смыкание с образованием в межчерпаловидном пространстве мутационного треугольника.

Микроларингоскопия: инъецированность мелких кровеносных сосудов слизистой оболочки гортани.

Ларингостробоскопия: фонаторные колебания голосовых складок асинхронные.

Диагноз: Мутационная дисфония.

Пример 3. Больной Е., 10 лет, жалуется на навязчивое откашливание и неприятные, болевые ощущения в области глотки, гортани, шеи, быструю голосовую утомляемость. Голос хриплый, звучит напряженно.

Вейвлет-диагноз: X1=3,5; Х2=1,5; Х3=0,12; Х4=0,05; Х5=0,11.

Компьютерный диагноз: функциональная дисфония.

Непрямая ларингоскопия: плотное соприкосновение голосовых складок во время фонации, гиперемия и небольшая отечность их свободного края.

Ларингостробоскопия: голосовые складки выглядят неподвижными, находятся в напряженном сомкнутом состоянии в сочетании с кратковременными периодами быстрозатухающих колебаний малой амплитуды.

Диагноз: гипертонусная дисфония.

Пример 4. Больной А., 9 лет, предъявляет жалобы на чувство упорного першения, дискомфорта в горле, кашель. Голос тихий, слабый, более охриплый по утрам. Днем голос становится чище и снова грубеет к вечеру. Вейвлет-диагноз: Х1=2,4; Х2=2,4; Х3=0,12; Х4=0,05; Х5=0,15.

Компьютерный диагноз: органическая дисфония - стадия неполной ремиссии.

Непрямая ларингоскопия: голосовые складки гиперемированы, утолщены, при фонации смыкаются не полностью. Вестибулярные складки уплотнены, гиперемированы, отечны.

Микроларингоскопия: инъецированность кровеносных сосудов голосовых складок и скопление слизи на их поверхности.

Ларингостробоскопия: фонаторные колебания голосовых складок асинхронные, ослабленные.

Диагноз: Хронический ларингит - стадия неполной ремиссии.

Пример 5. Больная Ю., 7 лет, голос слабый, охриплый. Больна в течение 1,5 мес после перенесенного в тяжелой форме инфекционного заболевания (гриппа).

Вейвлет-диагноз: Х1=2,5; Х2=1,5; Х3=0,15; X4=0,1; X5=0,11.

Компьютерный диагноз: функциональная дисфония.

Непрямая ларингоскопия, микроларингоскопия: правая голосовая складка находится в парамедиальном положении, движения левой половины гортани в полном объеме.

Ларингостробоскопия: колебания голосовой складки на стороне поражения, ослабленные, вялые с малой амплитудой.

Диагноз: Инфекционный парез гортани.

Таким образом, выбрав соответствующую тестовую фонему и определив соответствующие обучающие выборки, получаем решающее правило, позволяющее разделить пациентов по функциональному состоянию голосовых складок на классы, соответствующие обучающим выборкам. При этом предлагаемый способ позволяет провести как объективное тестирование, так и интерактивный режим, при котором эксперт (врач) анализирует расположение объекта исследования (пациента) в пространстве признаков и при принятии решения руководствуется данными как компьютерной диагностики, так и результатами традиционных исследований.

Изобретение относится к медицине и предназначено для исследования функционального состояния голосовых складок. Преобразуют с помощью акустического датчика сигнал голоса вокализированной тестовой фонемы в электрический сигнал. Осуществляют запись его на магнитный носитель в виде последовательности дискретных отсчетов. Полученную дискретную последовательность представляют в виде вейвлет-плоскости, которую сегментируют на сегменты, каждый из которых отражает спектральную структуру тестовой фонемы. В каждом сегменте выбирают характерный признак, который коррелирован с состоянием голосовых складок. Его величину оценивает эксперт. В полученном таким образом признаковом пространстве определяют расстояния Махаланобиса от точки, соответствующей вектору признаков, до центроид классов, априорно определенных для конкретных обучающих выборок в том же признаковом пространстве. Состояние голосовых складок относят к тому классу, расстояние Махаланобиса для которого наименьшее. Предлагаемое изобретение позволяет повысить специфичность анализа функционального состояния голосовых складок. 4 ил., 1 табл.

Способ исследования функционального состояния голосовых складок, включающий преобразование с помощью акустического датчика сигнала голоса вокализированной тестовой фонемы в электрический сигнал и запись его на магнитный носитель в виде последовательности дискретных отсчетов, отличающийся тем, что полученную дискретную последовательность представляют в виде вейвлет-плоскости, которую сегментируют на сегменты, каждый из которых отражает спектральную структуру тестовой фонемы, в каждом сегменте выбирают характерный признак, который коррелирован с состоянием голосовых складок, его величину оценивает эксперт, и в полученном таким образом признаковом пространстве определяют расстояния Махаланобиса от точки, соответствующей вектору признаков, до центроид классов, априорно определенных для конкретных обучающих выборок в том же признаковом пространстве, и состояние голосовых складок относят к тому классу, расстояние Махаланобиса для которого наименьшее.