Сравнительный анализ архитектур ResNet и типов спектральных данных для классификации речи пациентов после гемиглоссэктомии

Аннотация

Введение. Рак языка – серьёзная онкологическая проблема, лечение которой часто сопровождается нарушениями речевых функций. Гемиглоссэктомия, как основной метод хирургического вмешательства, требует длительной реабилитации, а традиционные методы оценки восстановления речи основываются на субъективных наблюдениях. В данной работе предложен упрощенный метод оценки речи пациентов после гемиглоссэктомии с использованием нейронных сетей ResNet, что позволяет перейти к объективному анализу на основе спектральных данных и повысить точность диагностики.
Материалы и методы. Исследование основано на аудиозаписях 29 пациентов, перенёсших гемиглоссэктомию с реконструкцией и без неё. Записи были сделаны на трёх этапах: до операции, сразу после неё и после трёхмесячной реабилитации. Аудиофайлы преобразовывались в три типа спектральных данных: спектрограммы, мел-спектрограммы и MFCC (мел-частотные кепстральные коэффициенты). В ходе обучения моделей применялись различные архитектуры семейства ResNet – 18, 34, 50, 101 и 152 – с вариацией параметров dropout и размеров входных изображений. Данные были случайным образом разделены на обучающий (70%), проверочный (15%) и тестовый (15%) наборы.
Результаты исследования. Максимальная точность классификации составила 0,69 для полного набора данных (ResNet-152), 0,71 для пациентов без реконструкции и 0,77 для пациентов с реконструкцией (ResNet-34). Разделение данных по типу операции позволило улучшить точность до 0,7692 для пациентов с реконструкцией при использовании мел-спектрограмм и ResNet-34, что подтверждает их преимущество для анализа нелинейных изменений частотных характеристик.
Обсуждение и заключение. Предложенный метод позволяет упростить оценку речи, обеспечивая объективный и стандартизированный мониторинг динамики восстановления речевых функций. Это снижает нагрузку на медицинский персонал и повышает эффективность реабилитационных программ. Для дальнейшего улучшения точности планируется реализовать ансамблевый подход, объединяющий результаты анализа различных спектральных представлений, а также анализировать только значимые части спектрограмм, что позволит повысить надёжность классификации.