Куль Т. П., Меженная М. М., Рушкевич Ю. Н., Осипов А. Н., Лихачев С. А., Рушкевич И. В. Методическое и аппаратно-программное обеспечение для регистрации и обработки речевых сигналов с целью диагностики неврологических заболеваний. Информатика. 2019;16(2):27-39.
1. Завалишин, И. А. Боковой амиотрофический склероз / И. А. Завалишин. – М. : ГЭОТАР-Медиа, 2009. – 272 с.
2. EFNS guidelines on the clinical management of amyotrophic lateral sclerosis (MALS)-revised report of an EFNS task force / P. M. Andersen [et al.] // European Journal of Neurology. – 2012. – No. 19(3). – P. 360–375.
3. Practice parameter update: the care of the patient with amyotrophic lateral sclerosis. Drug, nutritional, and respiratory therapies (an evidence-based review): report of the Quality Standards Subcommittee of the American Academy of Neurology / R. Miller [et al.] // Neurology. – 2009. – No. 73(15). – P. 1218–1226.
4. Гусев, Е. И. Неврология и нейрохирургия : учебник / Е. И. Гусев, А. Н. Коновалов, Г. С. Бурд. – М. : Медицина, 2000. – 347 с.
5. Голубев, В. Л. Неврологические синдромы. Руководство для врачей / В. Л. Голубев, А. М. Вейн. – М. : Эйдос Медиа, 2002. – 832 с.
6. Алгоритм классификации речевых патологий при органических поражениях головного мозга [Электронный ресурс] / Н. П. Кузенков [и др.] // Информационные процессы. – 2009. – Т. 9, № 3. – C. 121–137. – Режим доступа: http://www.jip.ru/2009/121-137-2009.pdf. – Дата доступа: 06.10.2013.
7. Статистическое описание речи человека при органических нарушениях центрального отдела речевого аппарата / Н. П. Кузенков [и др.] // Нелинейный мир. – 2012. – № 4. – С. 247–255.
8. Скляров, О. П. V/U-ритм речи при чтении как индикатор состояния функции речевого дыхания у заикающихся / О. П. Скляров // Техническая акустика. – 2004. – Т. 4, № 16. – С. 163–173.
9. Скляров, О. П. Фракталы и крупномасштабная временная структура акустического речевого сигнала и музыки / О. П. Скляров // Техническая акустика. – 2004. – Т. 4, № 21. – С. 224–233.
10. Nonlinear analyses and algorithms for speech processing / Gómez P. [et al.] // Voice Pathology Detection by Vocal Cord Biomechanical Parameter Estimation. – Berlin : Springer, 2005. – P. 242–256.
11. Characterization of healthy and pathological voice through measures based on nonlinear dynamics / P. Henriquez [et al.] // IEEE Trans Audio Speech Lang Processing. – 2009. – Vol. 17, no. 6. – P. 1186–1195.
12. Phonatory impairment in parkinson’s disease: evidence from nonlinear dynamic analysis and perturbation analysis / M. Chou [et al.] // Journal of Voice. – 2007. – Vol. 21. – P. 64–71.
13. Relative entropy measures applied to healthy and pathological voice characterization / P. R. Scalassara [et al.] // Applied Mathematics and Computation. – 2009. – Vol. 207, iss. 1. – P. 95–108.
14. Malyska, N. Automatic dysphonia recognition using biologically-inspired amplitude-modulation features / N. Malyska, T. F. Quatieri, D. Sturim // Acoustics, Speech, and Signal Processing : Proc. of IEEE Intern. Conf. (ICASSP). – Philadelphia, 2005. – Vol. 1. – P. 873–876.
15. Оппенгейм, Э. Применение цифровой обработки сигналов : пер. с англ. / Э. Оппенгейм ; под ред. А. М. Рязанцева. – М. : Мир, 1980. – 552 с.
16. Ахмад, Х. М. Введение в цифровую обработку речевых сигналов : учеб. пособие / Х. М. Ахмад, В. Ф. Жирков. – Владимир : Владим. гос. ун-т., 2007. – 192 с.
17. Райгайян, Р. М. Анализ биомедицинских сигналов. Практический подход / Р. М. Райгайян. – М. : Физматлит, 2007. – 440 с.
18. Куль Т. П. Алгоритм цифровой обработки речевых сигналов в норме и патологии / Т. П. Куль, М. М. Меженная, А. Н. Осипов // Современные проблемы радиоэлектроники и телекоммуникаций : тез. докл. 13 Междунар. молодежной науч.-техн. конф. – Севастополь, 2017. – С. 197.
