Методическое и программное обеспечение анализа речевых сигналов лиц с умственной отсталостью тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Тычкова Анна Николаевна

• Тычкова Анна Николаевна
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Тычкова Анна Николаевна

ВВЕДЕНИЕ

ГЛАВА 1. НАУЧНО-МЕТОДИЧЕСКОЕ ОБОСНОВАНИЕ СПЕЦИФИКИ И ПРОБЛЕМАТИКИ ДИАГНОСТИКИ И РЕАБИЛИТАЦИИ ЛИЦ С УМСТВЕННОЙ ОТСТАЛОСТЬЮ

1.1. Актуальность и проблематика диагностики и реабилитации лиц с умственной отсталостью

1.2. Клинические проявления умственной отсталости у людей различного возраста

1.3. Методы и средства реабилитации лиц с умственной отсталостью

1.4. Преимущества аудио- и визуального стимулирования лиц с умственной отсталостью

1.5. Методы и средства диагностики умственной отсталости

1.6. Преимущество мониторинга характеристик умственной отсталости по речи

1.7. Анализ способов и средств обработки речевых сигналов

Выводы по главе

Основные задачи исследования

ГЛАВА 2. МЕТОДИКА И СИСТЕМА ХРАНЕНИЯ И ПРЕДСТАВЛЕНИЯ РЕЧЕВЫХ СИГНАЛОВ ЛИЦ С УМСТВЕННОЙ ОТСТАЛОСТЬЮ

2.1. Дизайн исследования

2.2. Анализ баз данных речевых сигналов

2.3. Создание информационной системы хранения и представления записей речевых сигналов

2.4. Методика анализа речевых сигналов

2.5. Выбор и обоснование программных средств реализации методики анализа речевых сигналов

Выводы по главе

ГЛАВА 3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ ОБНАРУЖЕНИЯ ЗНАЧИМЫХ ПАРАМЕТРОВ РЕЧЕВЫХ СИГНАЛОВ ЛИЦ С УМСТВЕННОЙ ОТСТАЛОСТЬЮ

3.1. Обзор и анализ алгоритмов и программ цифровой обработки речевых сигналов

3.2. Патентный поиск способов и устройств выявления значимых параметров речевых сигналов

3.3. Выбор и обоснование информативных параметров речевых сигналов

3.4. Разработка алгоритмов обработки речевых сигналов

3.4.1. Алгоритм предварительной обработки речевых сигналов

3.4.2. Алгоритм сегментации речевых сигналов на информативные участки

3.4.3. Алгоритм вычисления частотных, временных и амплитудных параметров речевых сигналов

3.5. Модернизация математических выражений для расчета значимых параметров

Выводы по главе

ГЛАВА 4. ПРОГРАММНО-АППАРАТНАЯ РЕАЛИЗАЦИЯ АЛГОРИТМОВ ОБНАРУЖЕНИЯ ЗНАЧИМЫХ ПАРАМЕТРОВ РЕЧЕВЫХ СИГНАЛОВ

4.1. Результаты исследования алгоритмов

4.2. Критерии оценки результативности работы алгоритмов

4.3. Сравнительный анализ значимых параметров речевых сигналов

4.4. Программная реализация алгоритмов анализа речевых сигналов

4.5. Разработка структуры информационно-измерительной системы и технических требований к системе

Выводы по главе

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ А. Согласие родителей или законных представителей

на проведение исследования

ПРИЛОЖЕНИЕ Б. Листинг программы обработки и анализа значимых

параметров речевых сигналов у лиц с умственной отсталостью

ПРИЛОЖЕНИЕ В. Листинг программы представления и визуализации

речевых сигналов

ПРИЛОЖЕНИЕ Г. Документы, подтверждающие использование и внедрение результатов диссертационного исследования

Введение диссертации (часть автореферата) на тему «Методическое и программное обеспечение анализа речевых сигналов лиц с умственной отсталостью»

ВВЕДЕНИЕ

Актуальность работы. По данным министерств и ведомств, как в России, так и за рубежом, около 3% людей имеют диагноз умственная отсталость (УО). УО представляет собой группу состояний, обусловленных врожденным или рано приобретенным недоразвитием психики с выраженной недостаточностью интеллекта. Ранняя диагностика и эффективная реабилитация лиц с УО являются принципиально важными задачами на пути повышения качества жизни человека. Кроме того, согласно стратегии РФ в области развития производства промышленной продукции реабилитационной направленности - создание технологий объективной оценки реабилитационного эффекта приобретает все большее значение. Особое внимание в этом случае уделяется междисциплинарному подходу на стыке медицинских и инженерных наук.

В настоящее время диагностика УО осуществляется посредством психологических и психиатрических методик, а также инструментальных методов, обеспечивающих первичную диагностику и оценку состояния пациента в процессе реабилитации. К основным методам диагностики УО относится: ультразвуковое исследование, электроэнцефалография, компьютерная томография и другие. Среди многообразия различных инструментальных методов особое внимание в работе уделено методам мониторинга характеристик УО по речи. Мониторинг характеристик УО по речи является наиболее доступным, простым и оперативным методом, так как результаты исследования оцениваются в реальном времени при свободной двигательной активности пациента и не требуют дополнительного инвазивного или неинвазивного вмешательства. Мониторинг характеристик УО по речи осуществляется посредством анализа коммуникативных навыков, просодических и лексико-грамматических особенностей, а также фонетико-фонематического построения речи пациента. В то же время, одной из нерешенных задач в области изучения речи лиц с УО и перспективным

направлением исследования является анализ речевого сигнала, и измерение его информативных параметров в процессе проведения реабилитационных мероприятий. Таким образом, недостаточная изученность и необходимость поиска новых вспомогательных индикаторов оценки результативности процесса реабилитации лиц с УО для улучшения качества жизни обусловливает актуальность и значимость диссертационного исследования.

В области обработки, анализа и синтеза речи в России ведут разработки такие организации как: Яндекс, Сбер, Центр речевых технологий, Нейроботикс и другие. Данные компании создают различные программно-аппаратные и методические решения в области распознавания речи, биометрической идентификации, анализа эмоций и так далее. В свою очередь, значительный вклад в становлении фундаментальных основ цифровой обработки и анализа речевых сигналов внесен такими учеными, как Агашин О.С., Назаров М.В., Прохоров Ю.Н., Степченков Ю.А., Приоров А.Л., Топников А.И., Хрящев В.В., Lawrence R. Rabiner, Ronald W. Schafer и др. Однако, несмотря на достижения выдающихся ученых и значительный практический вклад лидирующих организаций отрасли, до сих пор остаются нерешенными проблемы, связанные с отсутствием специализированного методического и программного обеспечения для обработки и анализа речевых сигналов с целью обнаружения их значимых параметров у лиц с УО в период проведения реабилитационных мероприятий, в частности аудио и визуального стимулирования.

Целью диссертационного исследования является обнаружение и систематизация по значимости информативных параметров речевых сигналов, зарегистрированных до и после аудио- и визуального стимулирования в ходе реабилитационных мероприятий у лиц с умственной отсталостью.

Задачи исследования:

1. Разработать дизайн исследования и сформировать информационную систему хранения и представления записей и информативных параметров

речевых сигналов, зарегистрированных у лиц с умственной отсталостью до и после аудио- и визуального стимулирования в условиях свободной двигательной активности.

2. Разработать методику анализа речевых сигналов лиц с умственной отсталостью, направленную на совершенствование технологий и средств проведения реабилитационных мероприятий.

3. Разработать и исследовать алгоритмы:

- обработки и сравнительного анализа амплитудных, частотных и временных информативных параметров речевых сигналов;

- обнаружения значимых параметров речевых сигналов лиц с умственной отсталостью.

4. Разработать информационно-измерительную систему и программы анализа речевых сигналов для использования в качестве дополнительных средств оценки проведения реабилитационных мероприятий в системе поддержки принятия врачебных решений.

Научная новизна:

1. Создана информационная система хранения и представления данных, отличающаяся наличием:

- записей речевых сигналов лиц с умственной отсталостью, зарегистрированных у лиц основной и контрольных группы, в условиях свободной двигательной активности;

- систематизированных информативных параметров речевых сигналов по их значимости в сравнении с данными речевых сигналов лиц нормотипичного развития (п. 20, 2.2.12).

2. Предложена методика анализа речевых сигналов лиц с умственной отсталостью, отличающаяся этапами предварительной обработки, обнаружения информативных параметров речевых сигналов и систематизации их по значимости (п. 14, 2.2.12).

3. Разработаны алгоритмы (п. 14, 2.2.12):

- предварительной обработки речевых сигналов, отличающийся наличием этапа коррекции естественных искажений спектра;

- сегментации на информативные участки речевых сигналов, отличающийся наличием этапа адаптивной пороговой обработки;

- вычисления частотных, временных и амплитудных параметров речевых сигналов, отличающийся наличием этапа обнаружения их значимости.

4. Предложена структура информационно-измерительной системы для использования в системе поддержки принятия врачебных решений на этапе оценки проведения реабилитационных мероприятий у лиц с умственной отсталостью, отличающаяся наличием локальной речевой базы сигналов, программ обработки и представления результатов обнаружения значимых параметров речевых сигналов в сравнении с данными речевых сигналов лиц нормотипичного развития (п. 2, 2.2.12).

Практическая значимость исследования:

1. Сформирована информационная система хранения и представления записей речевых сигналов, зарегистрированных у 120 лиц с умственной отсталостью до и после аудио- и визуального стимулирования, у 80 лиц с умственной отсталостью без стимулирования и у 40 лиц нормотипичного развития; информативных параметров, систематизированных по степени значимости, предназначенная для исследования алгоритмов и программ обработки и анализа речевых сигналов и принятия решения.

2. Разработана методика анализа речевых сигналов, предназначенная для совершенствования информационно-измерительной системы оценки процесса реабилитационных мероприятий у лиц с умственной отсталостью посредством получения систематизированной цифровой информации об изменении речи пациента до и после аудио- и визуального стимулирования.

3. Разработаны программы обработки речевых сигналов лиц с умственной отсталостью в условиях свободной двигательной активности и обнаружения амплитудных, частотных и временных значимых параметров в среде математического моделирования МайаЪ и статистического анализа ЯзЫйю, предназначенные для использования при решении задач цифровой обработки сигналов.

4. Разработана структура информационно-измерительной системы на основе алгоритмов и программ анализа речевых сигналов, предназначенная для совершенствования технологий и средств оценки проведения реабилитационных мероприятий.

Методы исследования: использованы методы частотно-временной обработки речевых сигналов, программирование в среде математического моделирования МайаЪ и статистический анализ в среде программирования ЯБЫйю.

Объект исследования: речевые сигналы, зарегистрированные у лиц с умственной отсталостью.

Предмет исследования: информативные параметры речевых сигналов до и после применения аудио- и визуальных средств стимулирования.

Положения, выносимые на защиту:

1. База данных, содержащая более 1000 записей речевых сигналов лиц с умственной отсталостью, размеченных на тональные, нетональные участки и участки пауз; информативные параметры речевых сигналов, систематизированные по значимости в сравнении с данными речевых сигналов лиц нормотипичного развития.

2. Методика, обеспечивающая предварительную обработку, выявление информативных участков, определение информативных параметров речевых сигналов, обнаружение значимых параметров и их систематизацию для использования в информационно-измерительной системе совместно с микрофоном, диктофоном и персональным компьютером в качестве

дополнительного средства оценки проведения реабилитационных мероприятий в системе поддержки принятия врачебных решений.

3. Алгоритмы, обеспечивающие обработку речевых сигналов и обнаружение значимости информативных параметров на основе анализа процентного отношения межквартильного размаха значений до и после аудио- и визуального стимулирования лиц с умственной отсталостью и нормотипичного развития.

4. Программы, обеспечивающие представление результатов приращения информативных значений параметров речевых сигналов после аудио- и визуального стимулирования: отношение скорости тональных к нетональным участкам речи на 42 %; отношение ускорения тональных к нетональным участкам речи на 36 %; энтропии распределения временных интервалов на 15 %; стандартного отклонения частоты основного тона на 28 %; энергии участков пауз речевого сигнала на 66 %; среднего значения амплитуды тональных участков речевого сигнала на 40 %; средней частоты речевого сигнала на 40 % для оценки проведения реабилитационных мероприятий.

Обоснованность и достоверность положений, выносимых на защиту, подтверждаются тем, что в теоретических построениях диссертационной работы использовались законы и положения, справедливость которых общепризнанна. Основные результаты диссертационной работы получены при выполнении следующих НИОКР:

1. Социально-средовая, социально-педагогическая и социально-психологическая реабилитация лиц-инвалидов с психическими расстройствами и расстройствами поведения (Государственное задание РФ). № FSGE-2023-0006, 2023-2025 гг.

2. Поиск скрытых паттернов пограничных психических расстройств и разработка системы экспресс-оценки состояния психического здоровья человека (Российский научный фонд). № 17-71-20029, 2017-2019 гг.

Реализация результатов исследования. Результаты диссертационного исследования использованы и внедрены в виде:

1) цифровой базы размеченных потоковых данных речевых сигналов лиц с умственной отсталостью для практического использования неврологами и психиатрами ООО «Лечебно-диагностический центр «Губернский доктор», г. Заречный;

2) программ цифровой обработки речевых сигналов для использования в системе управления интеллектуальной платформой реабилитации пациентов ООО «Центр экспозиционной медицины», г. Пенза;

3) в виде программно-аппаратных средств и алгоритмов цифровой обработки и анализа речевых сигналов для практического использования Нижегородским областным центром реабилитации инвалидов по зрению «Камерата», г. Нижний Новгород;

4) методики оценки комплексной реабилитации лиц с умственной отсталостью для применения специалистами (психологами, неврологами, логопедами) с целью улучшения качества жизни МБОУ СОШ № 30, г. Пенза;

5) теоретических и практических результатов при подготовке студентов технических специальностей Пензенского государственного университета по направлениям 12.03.01, 12.04.01 «Приборостроение», 11.05.01 «Радиоэлектронные системы и комплексы», 30.05.03 «Медицинская кибернетика»; магистрантов, аспирантов и научных работников.

Документы о внедрении представлены в приложении Г диссертации.

Апробация работы. Основные положения работы докладывались и обсуждались на международных и всероссийских конференциях, выставках: IX Национальный форум реабилитационной индустрии и универсального дизайна «Надежда на технологии» (г. Москва, 2024 г.); «Всероссийский научно-практический семинар «Сопровождаемое взросление лиц с особыми потребностями: исследования и инклюзивные практики» (г. Москва, 2024 г.); «Международная молодежная научная конференция Тинчуринские чтения» (г. Казань, 2024); XIX Международная научно-практическая конференция «Актуальные научные исследования» (г. Пенза, 2024 г.); «Scientific School on Dynamics of Complex Networks and their Application in Intellectual Robotics» (г.

Калининград, 2024 г.); «International Conference Digital Signal Processing and Its Applications» (г. Москва, 2024 г.); «International Conference of Young Professionals in Electron Devices and Materials» (Республика Алтай, 2024 г.), «Распределенные информационно-вычислительные ресурсы. Наука -цифровой экономике» (г. Новосибирск, 2017 г.).

Публикации. По материалам диссертации опубликовано 18 печатных трудов, из них 4 статьи - в журналах ВАК РФ, 5 статей - в журналах и материалах конференций (из них 2 единолично), 4 статьи - в индексируемых базах данных Scopus и Web of Science, 5 свидетельств на программы для ЭВМ и баз данных.

Личный вклад. Все теоретические и практические результаты, основанные на разработанных средствах анализа информативных параметров речевых сигналов для систем поддержки принятия врачебных решений, выполнены непосредственно автором или в соавторстве с научным руководителем. Автору принадлежат содержащиеся в диссертационной работе результаты исследования методики анализа речевых сигналов лиц с умственной отсталостью [4], в том числе в условиях применения средств аудио- и визуального стимулирования [2, 3, 6, 12]; результаты обнаружения значимых параметров речевых сигналов у лиц с УО [1, 6, 15, 18]; структурная реализация системы регистрации [9, 11], хранения [14, 17] и обработки [5, 7, 8] речевых сигналов лиц с УО, в том числе для возможного использования в системах поддержки принятия врачебных решений [10, 13, 17].

Структура и объем диссертации. Диссертационная работа состоит из введения, 4 глав, выводов, библиографического списка из 212 наименований и 4 приложений. Общий объем работы - 151 страница, включая 28 рисунков и 15 таблиц.

ГЛАВА 1. НАУЧНО-МЕТОДИЧЕСКОЕ ОБОСНОВАНИЕ СПЕЦИФИКИ И ПРОБЛЕМАТИКИ ДИАГНОСТИКИ И РЕАБИЛИТАЦИИ ЛИЦ С УМСТВЕННОЙ ОТСТАЛОСТЬЮ

1.1. Актуальность и проблематика диагностики и реабилитации лиц с

умственной отсталостью

Умственная отсталость (УО) - группа состояний, обусловленных врожденным или рано приобретенным недоразвитием психики с выраженной недостаточностью интеллекта [1].

Согласно данным Министерства труда и социальной защиты Российской Федерации, почти 600 тысяч человек имеют УО, среди которых основную категорию составляют дети и подростки [2]. По мировой статистике в различных странах, число лиц с УО от общего числа детей составляет от 1 % до 3 % [3].

Согласно Международной классификации болезней (МКБ)-10 УО подразделяется на четыре основные категории (степени тяжести) [4]:

- Б70 - умственная отсталость легкой степени (ранее - дебильность);

- Б71 - умственная отсталость умеренная (ранее - имбецильность);

- Б72 - умственная отсталость тяжелая (ранее - тяжёлая умственная субнормальность);

- Б73 - умственная отсталость глубокая (ранее - идиотия).

Кроме того, согласно МКБ выделают другие формы умственной отсталости ^78) и неустойчивую умственную отсталость (Б79) [5].

Среди четырех основных групп УО (Б70-73), число лиц с легкой и умеренной УО составляется почти 95% от общей численности пациентов [3].

Кроме того, УО классифицируется по различным аспектам, отражающим механизмы и причины возникновения заболевания [6]. Краткая характеристика каждой степени тяжести УО приведена в таблице 1, где указана рубрика по МКБ-10, степень тяжести УО и уровень интеллекта .

Таблица 1. Классификация УО по степени тяжести

Рубрика Степень тяжести УО Краткая характеристика

F70 Лёгкая 50-69 Хорошая механическая память, есть элементарные навыки чтения, письма и счёта

F71 Умеренная 35-49 Механическая память развита недостаточно, запас слов невелик, речь аграмматична, понимание и использование речи ограничено

F72 Тяжёлая 20-34 Низкий уровень социального функционирования, невозможность усвоить элементарные школьные знания, бытовые умения и навыки

F73 Глубокая Ниже 20 Резкое снижение реакции на окружающее, членораздельная речь отсутствует, в обращенной к ним речи воспринимают интонацию, но не понимают смысла

Следует отметить, что Всемирной организацией здравоохранения (ВОЗ) в 1994 г. предложено применять количественную оценку интеллекта с помощью стандартизированных психологических тестов - коэффициента умственной одаренности [7]. Данный подход применим по настоящее время. Для сравнения, ^ здорового ребенка в возрасте 9-15 лет колеблется от 70 до 80 баллов [8].

Умственная отсталость характеризуется определенными клинических признаками. Среди которых, основным является недоразвитие различных форм психической активности. В этом случае, в условиях развития и роста человека страдают интеллект, мышление, восприятие, память, внимание, речь, двигательная функция и другие [9].

В России уход, диагностика и реабилитация данной категории лиц контролируется соответствующими нормативными документами, среди которых, основными являются:

- национальный стандарт ГОСТ Р 58259-2018 «Оценка эффективности системы реабилитации инвалидов и детей-инвалидов» [10];

- Приказ Минздрава РФ от 5 июля 2022 года N 473н «Об утверждении стандарта медицинской помощи детям при умственной отсталости (диагностика, лечение и диспансерное наблюдение)» [11];

- Приказ Министерства труда и социальной защиты РФ от 26 апреля 2022 г. N 263 «Об утверждении стандартов предоставления услуг по комплексной реабилитации и абилитации детей-инвалидов в стационарных условиях без проживания и питания сопровождающих детей-инвалидов лиц [12];

- Приказ Минспорта России от 09.01.2023 N 3 «Об утверждении Методических рекомендаций «Реабилитация и абилитация инвалидов средствами адаптивной физической культуры и спорта, в том числе детей-инвалидов» [13];

- Приказ Министерства здравоохранения РФ от 24 апреля 2018 г. №186 №Об утверждении Концепции предиктивной, превентивной и персонализированной медицины» [14];

- Приказ Министерства труда и социальной защиты РФ от 27 августа 2019 г. № 585н №О классификациях и критериях, используемых при осуществлении медико-социальной экспертизы граждан федеральными государственными учреждениями медико-социальной экспертизы (Зарегистрирован в Минюсте РФ 18 ноября 2019 г., регистрационный № 56528) [15].

Кроме того, согласно одной из ключевых задач Стратегии развития производства промышленной продукции реабилитационной направленности до 2025 и в продлении до 2030 года [16] является развитие и унификация технологий объективной оценки реабилитационного эффекта, с дальнейшим установлением соответствующих требований в нормативных правовых актах, национальных стандартах и иных документах в рассматриваемой сфере. Решение данной задачи является крайней важной на пути совершенствования и внедрения новых технологий и средств проведения эффективных реабилитационных мероприятий [17].

Особенности психического развития лиц с УО в большинстве своем обусловлены нарушениями в работе центральной нервной системы, которые влияют на когнитивные способности, адаптивные навыки, социальное взаимодействие и обучаемость [18]. В свою очередь, психические изменения у лиц с УО могут быть вызваны генетическими факторами, внутриутробными поражениями, травмами или другими органическими поражениями головного мозга [19].

Изучение умственной отсталости имеет свою принципиальную важность для повышения качества жизни, социальных и других видов активности. Следует отметить существенный вклад в изучении УО отечественными и зарубежными учеными [20 - 29].

Под руководством Вайзмана Н.М. разработана классификация УО по степени тяжести, он также представил понятие «олигофрения», которым обозначал врожденную УО и исследовал различные генетические и средовые причины ее проявления [21]. Гуревичем М.О. изучены психологические особенности лиц с УО детского возраста, разработаны методы диагностики и обучения; организованы первые в России школы-интернаты для лиц с УО [22]. Под руководством Евтушенко И.В. изучена возрастная динамика развития лиц с УО, а также разработана концепция индивидуально -дифференцированного обучения [23]. Под руководством Исаева Д.Н. исследованы социальные и личностные особенности лиц с УО, разработаны методы коррекции и компенсации нарушений развития [24]. Сухаревым Г.Е. изучены различные формы УО, в том числе, связанные с нарушениями психического развития ребенка [25]. Озерецкий Н.И. считается одним из родоначальников направления исследования УО [26]. Под его началом исследованы проблемы трудоустройства и социальной адаптации лиц с УО, разработана система профессиональной реабилитации лиц с УО [27], и организовано первое в России социальное общество по трудоустройству лиц с УО [28]. Симсоном Т.П. изучено влияние УО на развитие речи и языка [29], разработаны методы логопедической работы [29].

Среди иностранных специалистов следует отметить: Chadwick R.L., изучавший когнитивные функции лиц с УО, в частности память, внимание и исполнительные функции [30]; McGillicuddy J.R. изучал нарушения развития УО при синдроме Дауна [31]; Wallin D.W. и Wehmeyer M.L. исследовали влияние социальных факторов на жизнь лиц с УО [32, 33].

Существенный вклад ученых в изучении УО позволил создать предпосылки для организации новых подходов и решений проведения эффективной диагностики и организации результативных реабилитационных мероприятий. Изучение умственной отсталости имеет свою принципиальную важность для организации социально-нравственных и лечебно-психологических мер реабилитации лиц с УО [34].

УО влияет на когнитивные способности, адаптивные навыки, социальное взаимодействие и обучаемость человека. Диагностика и реабилитация лиц с УО являются важнейшими направлениями в современной психиатрии и психологии. Внедрение современных средств анализа информации, искусственного интеллекта и прорывных результатов инженерной деятельности позволят создать принципиально новые подходы и механизмы реабилитации лиц с УО, направленные на повышение оперативности и эффективности проведения мероприятий, социальной адаптации граждан и улучшения их качества жизни.

1.2. Клинические проявления умственной отсталости у людей

различного возраста

Согласно МКБ-10, УО - это состояние задержанного или неполного развития психики, которое в первую очередь характеризуется нарушением способностей, проявляющихся в период созревания и обеспечивающих общий уровень интеллектуальности, то есть когнитивных, речевых, моторных и социальных способностей [35].

Как правило, первый диагноз УО ставится в возрасте от 6 до 8 лет [36]. Однако, несмотря на это, УО может быть определена в различных возрастных периодах созревания человека [37]. В каждой возрастной группе, УО проявляется по-разному [38]. В диссертации, ниже по тексту рассмотрены примеры особенностей поведения лиц с УО в различном возрасте с учетом различной степени ее тяжести.

В период младенчества и раннего детства проявляются [39]: задержка развития двигательных навыков - сидение, ползание, ходьба; задержка в развитии речи и языка; трудности с питанием и сном. УО детского возраста имеют в большинстве случаев неблагоприятный прогноз в плане дальнейшей самостоятельной жизнедеятельности, что определяется тяжестью самого заболевания и влиянием ряда других отклонений в состоянии здоровья.

В период дошкольного возраста проявляются [40]: значительные трудности с познанием и обучением; проблемы с социальным взаимодействием и общением со сверстниками; поведенческие проблемы, такие как гиперактивность, импульсивность и агрессия.

В период школьного возраста проявляются [41]: трудности с академической успеваемостью; проблемы с адаптацией к школьной среде; социальная изоляция и трудности с поиском друзей.

В период подросткового возраста проявляются [42]: продолжающиеся трудности с обучением и познанием; поведенческие проблемы, связанные с гормональными изменениями и социальным давлением; повышенный риск психических расстройств, таких как тревожность и депрессия.

В период взрослого возраста проявляются [43]: ограниченные возможности для трудоустройства и независимой жизни; трудности с принятием решений и управлением финансами; повышенный риск эксплуатации и насилия.

В период пожилого возраста проявляются [44]: ухудшение когнитивных функций и памяти; повышенный риск деменции и других заболеваний,

связанных с возрастом; трудности с выполнением повседневных задач и поддержанием независимости.

Зачастую УО выявляется в возрасте ближе к 10 годам, вследствие высоких требований к школьной программе, нарушений адаптации и социализации ребенка [45]. Кроме того, довольно часто, УО диагностируется с другими патологическими отклонениями, таким как [46, 47]: церебральный паралич, нарушения слуха и зрения. По статистике, у 20% слепых и слабовидящих людей диагностируется умственная отсталость [48].

Необходимо также отметить, что при описании каждой возрастной категории лиц с УО отмечаются такие проявления как [49]: произвольность протекания психических процессов, наличие и стойкость интереса к деятельности, эмоциональное реагирование. Рассмотрим подробнее основные качественные характеристики деятельности лица с УО [50]:

Список литературы диссертационного исследования кандидат наук Тычкова Анна Николаевна, 2024 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Шмакова О.П. Умственная отсталость: обзор публикаций последнего десятилетия // Вопросы психического здоровья детей и подростков. 2019. Т. 19. № 3. С. 134-143.

2. Сайт министерства труда и социальной защиты Российской Федерации [Электронный ресурс] URL: http://government.ru/department/237/events/ (дата обращения: 14.03.2024).

3. Анисимова И.В. Генетика умственной отсталости // Медицинская генетика. 2021. Т. 20. № 2. С. 3-20.

4. Международная классификация болезней (МКБ) - 10 [Электронный ресурс] URL: https://mkb-10.com/ (Дата обращения 08.10.2024).

5. Кашинский М.Ю. Психические расстройства различной нозологической формы и преступное поведение лиц с психическими расстройствами // Вестник Академии МВД Республики Беларусь. 2021. № 1 (41). С. 101-107.

6. Yadavalli Pavan Kumar Socio-economic causes of mental retardation // International Journal of Informative & Futuristic Research. 2022. 4 p.

7. Share D.L., McGee R., Silva Ph.A Iq and reading progress: a test of the capacity notion of iq // Journal of the American Academy of Child and Adolescent Psychiatry. 1989. Т. 28. С. 97-100.

8. Волощук И.С., Рудик Я.М. Интеллект и другие составляющие психики человека // Наука и мир. 2014. № 2-3 (6). С. 186-195.

9. Мамаева А.В., Шаповаленко Л.О. Анализ существующих подходов к пониманию основных сущностных характеристик умственной отсталости // Аутизм и другие нарушения в развитии: современные исследования и разработки. 2018. № 1 (1). С. 38-52.

10. ГОСТ Р 58259-2018 Национальный стандарт «Оценка эффективности системы реабилитации инвалидов и детей-инвалидов»

[Электронный ресурс]. URL: https://docs.cntd.ru/document/1200161203 (дата обращения: 23.04.2024).

11. Приказ Минздрава РФ от 5 июля 2022 года N 473н «Об утверждении стандарта медицинской помощи детям при умственной отсталости (диагностика, лечение и диспансерное наблюдение)» [Электронный ресурс]. URL: https://docs.cntd.ru/document/351442608 (дата обращения: 14.06.2024).

12. Приказ Министерства труда и социальной защиты РФ от 26 апреля 2022 г. N 263 «Об утверждении стандартов предоставления услуг по комплексной реабилитации и абилитации детей-инвалидов в стационарных условиях без проживания и питания сопровождающих детей-инвалидов лиц [Электронный ресурс]. URL: https://docs.cntd.ru/document/350394167 (дата обращения: 28.06.2024).

13. Приказ Минспорта России от 09.01.2023 N 3 «Об утверждении Методических рекомендаций «Реабилитация и абилитация инвалидов средствами адаптивной физической культуры и спорта, в том числе детей -инвалидов» [Электронный ресурс]. URL: https://www.garant.ru/products/ipo/prime/doc/406038491/ (дата обращения: 27.06.2024).

14. Приказ Министерства здравоохранения РФ от 24 апреля 2018 г. №186 №Об утверждении Концепции предиктивной, превентивной и персонализированной медицины» [Электронный ресурс]. URL: https://docs.cntd.ru/document/557437659 (дата обращения: 14.05.2024).

15. Приказ Министерства труда и социальной защиты РФ от 27 августа 2019 г. № 585н №О классификациях и критериях, используемых при осуществлении медико-социальной экспертизы граждан федеральными государственными учреждениями медико-социальной экспертизы [Электронный ресурс]. URL: https://docs.cntd.ru/document/561183607 (дата обращения: 08.10.2024).

16. Стратегия развития производства промышленной продукции реабилитационной направленности URL: http://static.government.ru/media/files/TPUHm0AaA7cWSO4IYZhHs6oFGYO1P Nmk.pdf (Дата обращения: 15.07.2024).

17. Черенёва Е.А. Международная конференция "комплексный подход к диагностике, образованию и сопровождения лиц с аутизмом" Отчет о НИР № 15-06-14127 // Российский гуманитарный научный фонд, 2015, 34 с.

18. Рыкова Е.А. Коррекционная работа по развитию коммуникативных навыков у детей раннего возраста с нарушениями познавательного развития вследствие органического поражения центральной нервной системы // Современные проблемы специальной педагогики и специальной психологии «Дни науки МГПУ - 2010». 2010. С. 140-144.

19. Максимова А.А., Максимов А.А., Силина Ю.М. Патент на изобретение RU 2771416 C1 Способ диагностики ликвородинамических, сосудистых и сопутствующих им нарушений в работе центральной нервной системы 04.05.2022. Заявка № 2021118656 от 26.06.2021, 10 с.

20. Зарипова И.Р. Образовательный проект «дистанционная поддержка надомного обучения детей с овз» // ПРЕПОДАВАТЕЛЬ ГОДА 2020. сборник статей Международного профессионально-исследовательского конкурса. Петрозаводск, 2020. С. 86-99.

21. Kou Zhifeng, Iraji Armin, Chen Hanbo, Wiseman Natalie (2015). Connectome-scale assessment of brain network connectivity in mild traumatic brain injury. 33rd Annual National Neurotrauma Symposium. 32 pp.

22. Гуревич М.О. Учебник психиатрии // Медгиз, изд. 5-е , 1946. 439 с.

23. Евтушенко И.В. Особенности письменной речи младших школьников с расстройствами аутистического спектра // Журнал Международный журнал экспериментального образования, № 6, 2020, С. 54-58.

24. Исаев Д. Н. Детская медицинская психология: психол. педиатрия // СПб.: Речь, 2004, 380 с.

25. Горюнов А.В., Лазарева И.И., Шевченко Ю.С. Г.Е. Сухарева: жизненный путь и научно-педагогическое наследие (к 125-летию со дня рождения) // Журнал неврологии и психиатрии им. С.С. Корсакова. 2017; 117(4): с 59-63.

26. Озерецкий Н. И. Психопатология детского возраста // Учебник для высш. педагог. учеб. заведений : Допущено Коллегией Наркомпроса РСФСР / Москва; Ленинград: Гос. учеб.-педагог. изд-во, 1934 (Л. : тип. "Печатный двор"). 232 с.

27. Личко А.Е., Шерешевский А.М. Озерецкий Николай Иванович // Большая медицинская энциклопедия: в 30 т. / гл. ред. Б.В. Петровский. - 3-е изд. М.: Советская энциклопедия, 1981. Т. 17. 167 с.

28. Фесенко Ю.А., Колесин А.Н. Академик Озерецкий Николай Иванович: историко-биографический очерк. Часть 1 (окончание) // Медицинская психология в России: сетевой науч. журн. 2022. № 3. 516 с.

29. Симсон Т. П. Невропатии, психопатии и реактивные состояния младенческого возраста... // Прив.-доц. Т. Симсон. Ленинград: Госуд. медиц. изд-во, 1929 (Н. Новгород : тип. Нижполиграф), 256 с.

30. Doherty Michael, Chadwick Randall, Garavan Hugh (1996). On people's understanding of the diagnostic implications of probabilistic data // Memory & cognition. 1996. 24 pp.

31. Mcgillicuddy John E.. "Practical Approaches to Peripheral Nerve Surgery." // Neurosurgery 34. 1994. p 377-378.

32. Wehmeyer M. L., Abery B. H., Zhang D. Personal Self-Determination and Moderating Variables That Impact Efforts to Promote Self-Determination // Exceptionality, 19. 2011. p 19-30.

33. Allan Margaret Attachment in Psychotherapy: By David Wallin // International Journal of Psychoanalytic Self Psychology. №4. 2009. p 254-264.

34. Под ред. Белых Т.В. Основы психокоррекции, психопрофилактики и реабилитации // Учебное пособие 70 с. 2018.

35. Пер. на русск. яз. под ред. Ю.Л. Нуллера, С.Ю. Циркина. Международная классификация болезней (10-й пересмотр). Классификация психических и поведенческих расстройств. Клинические описания и указания по диагностике. СПб.: АДИС, 1994. 303 с.

36. Ковалев В.В., Маринчева Г.С. Руководство по психиатрии под ред. Г.В. Морозова // М.: Медицина, 1988. Т. 2. С. 349-400.

37. Terman DL, Larner MB, Stevenson CS, Behrman RE Special education for students with disabilities: analysis and recommendations // Future Child. 1996 Spring, 6(1): p 4-24.

38. Ziring Philip R., D. Brazdziunas, W. Carl Cooley Provision of Educationally Related Services for Children and Adolescents With Chronic Diseases and Disabling Conditions // Pediatrics 119. 2007: p 1218-1223.

39. Торгашева Н.В. Особенности развития двигательных навыков у дошкольников с задержкой психического развития // Актуальные проблемы специального и инклюзивного образования. Сборник научных трудов по материалам Международной научно-практической конференции. Саранск, 2023. 6 с.

40. Таныгина Н.В Образно-двигательные средства в развитии коммуникативных навыков у дошкольников с задержкой психического развития // Социальная педагогика в современных социальных практиках. Сборник научных статей V Международного симпозиума. Научные редакторы А.В. Мудрик, Т.Т. Щелина. 2015. С. 277-283.

41. Мещерякова И.Ю. Особенности школьной адаптации детей с умственной отсталостью // Современные научные исследования и инновации. 2017. № 1 (69). С. 757-761.

42. Под ред. Л.В. Шиповой Основы специальной психологии // учебное пособие. Саратов: ИЦ «Наука», 2013. 335 с.

43. Денисова А.Э. Сопровождаемое проживание для взрослых молодых людей с умственной отсталостью // Инновационные методы профилактики и коррекции нарушений развития у детей и подростков: межпрофессиональное

взаимодействие. Сборник материалов I Международной междисциплинарной научной конференции. 2019. С. 351-353.

44. Шабурова Д.В. Личностное развитие взрослых с интеллектуальными нарушениями лиц с уо в условиях специализированных трудовых мастерских // Сборник докладов VII и VIII межвузовских конференций молодых ученых. Москва, 2024. С. 151-155.

45. Горбачевская Н.Л., Тюшкевич С.А., Мамохина У.А. Технология выявления детей группы риска по наличию синдромальной формы аутизма и умственной отсталости // Дефектология. 2019. № 2. С. 11-20.

46. Немкова С.А. Речевые нарушения при детском церебральном параличе: диагностика и коррекция // Журнал неврологии и психиатрии им. С.С. Корсакова. 2019. Т. 119. № 5. С. 112-119.

47. Королева Ю.А. Социально-психологическая компетентность подростков с ограниченными возможностями здоровья: факторы и особенности развития // Актуальные проблемы современного образования. Монография. Витебск, 2023. С. 150-165.

48. Волкова Л.С., Лалаева Р.И., Липакова В.И. Особенности механизмов, структуры нарушений речи и их коррекции у детей с интеллектуальной, сенсорной и двигательной недостаточностью // издательство Образование Санкт-Петербург, 1996. 106 с.

49. Л.В. Шипова Познавательные процессы у детей с умственной отсталостью // учебное пособие. Саратов, 2018. 60 с.

50. А.В. Мамаева, Л.О. Шаповаленко Анализ существующих подходов к пониманию основных сущностных характеристик умственной отсталости // аутизм и другие нарушения в развитии: современные исследования и разработки № 1(1) 2018. С 38-52.

51. Власова Т.А., Певзнер М.С. О детях с отклонениями в развитии // М.: Просвещение, 1973. 176 с.

52. Черыкова Е.Е. Развитие связной устной речи у детей с тяжёлой умственной отсталостью при составлении предложений, связных рассказов с

помощью приёмов мнемотехники // Личность, семья и общество: вопросы педагогики и психологии. 2015. № 59. С. 111-114.

53. Саватеева А.Л., Тихомирова Л.Ф. Описательная компонентная модель социализирующей коррекционно-развивающей среды для детей с умеренной и тяжелой степенью умственной отсталости // Специальное и инклюзивное образование детей с ограниченными возможностями здоровья. Материалы конференции. 2019. С. 39-45.

54. Поконова Т.Л., Калюжин В.Г. Развитие средствами физической реабилитации мелкой моторики при умственной отсталости // Материалы международной научной конференции молодых ученых. Министерство образования Московской области, Московский государственный областной гуманитарный институт. 2015. С. 178-179.

55. Немкова С.А., Маслова О.И., Заваденко Н.Н. Особенности диагностики и реабилитации когнитивных расстройств у детей с церебральным параличом // Детская и подростковая реабилитация. 2012. № 1 (18). С. 4-15.

56. В.А. Лапшин, Б.П. Пузанов Основы дефектологии // М.: Просвещение, 1991. 143 с.

57. Стребелева Е. А. Воспитание и обучение детей дошкольного возраста с нарушением интеллекта // М.: Парадигма, 2012. С. 206-214

58. Leffert James, Siperstein G Assessment of social-cognitive processes in children with mental retardation // American journal of mental retardation: AJMR. 100. 1996. P. 441-455.

59. Макова О.П. Вопросы социального сопровождения психически больных подростков // XVI Съезд психиатров России. Всероссийская научно-практическая конференция с международным участием "Психиатрия на этапах реформ: проблемы и перспективы". 2015. С. 784-785.

60. Силаева О.А. Формирование безопасного социального поведения дошкольников в инклюзивной образовательной среде // Russian Journal of Education and Psychology. 2021. Т. 12. № 2-1. С. 117-137.

61. Saratikyan Lilit, Harutyunyan Zaruhi Characteristics of game activity organization and its influence on speech development of children with moderate mental retardation // Armenian Journal of Special Education. №7. 2023. p 33-47.

62. Поконова Т.Л., Калюжин В.Г. Развитие средствами физической реабилитации мелкой моторики при умственной отсталости // Материалы международной научной конференции молодых ученых. Министерство образования Московской области, Московский государственный областной гуманитарный институт. 2015. С. 178-179.

63. Lakhtin A.Y., Shmeleva S.V., Gulyaev A.A. Possibilities of Logorhythmics in the Development of Preschoolers with Mental Retardation // Biomedical and Pharmacology Journal. №12. 2019. p 931-938.

64. Шамуратов С.Ф., Правдов М.А. Совершенствование способности к дифференцированию мышечных усилий при выполнении рабочих операций у детей младшего школьного возраста с недостатками в интеллектуальном развитии // "Молодые ученые - развитию Ивановской области" "Медико-биологические, клинические и социальные вопросы здоровья и патологии человека". 2017. С. 439-440.

65. Парфенова Л.А., Герасимов Е.А. Инклюзивные технологии физкультурно-спортивной деятельности учащихся с интеллектуальными нарушениями // Теория и практика физической культуры. 2019. № 1. С. 13.

66. Анохин П. К. Игровой метод коррекции поведения умственно отсталых детей // Психология эмоций. Тексты / Под ред. В. К. Вилюнаса, Ю. Б. Гиппенрейтер. М.: Наука, 2017. 288 с.

67. Турапова М.А. Подвижные игры - как средство социальной интеграции умственно отсталых детей // Роль физической культуры и спорта в развитии человеческого капитала и реализации национальных проектов. Материалы всероссийской научной конференции с международным участием = Proceedings of All-Russian scientific conference with international participation. Составители С.С. Гуляева, А.Ф. Сыроватская. 2019. С. 698-703.

68. Матвеев Е.В., Васильев А.А., Алешкин Д.В. Инструментальные средства оценки развития и реабилитации высших психических и двигательных функций // Известия ТРТУ. 2000. № 4 (18). С. 58-59.

69. Анисимов А.А., Белов А.В., Новикова Т.В. Комплекс инструментальных средств для регистрации показателей сердечнососудистой, нервной и дыхательной систем при постуральных воздействиях // Вестник новых медицинских технологий. 2022. Т. 29. № 1. С. 67-71.

70. Naeser Mrgaret, Martin Paula, Ho Michael Transcranial Magnetic Stimulation and Aphasia Rehabilitation // Archives of physical medicine and rehabilitation. 2012. P 26-34.

71. Черемхин К.Ю., Власов А.А., Губернаторова Е.В. В озможности применения динамической электронейростимуляции в восстановительной медицине // Вестник восстановительной медицины. 2008. № 2. С. 17-19.

72. Shen Min, Zhang Linlin, Li Chunjing Repetitive transcranial magnetic stimulation as a therapy for post-stroke dysphagia: An overview of systematic reviews and meta-analysis // Clinical Rehabilitation 31(3). 2024. 10 p.

73. Cirillo Giovanni, Pepe Roberta, Siciliano Mattia Long-Term Neuromodulatory Effects of Repetitive Transcranial Magnetic Stimulation (rTMS) on Plasmatic Matrix Metalloproteinases (MMPs) Levels and Visuospatial Abilities in Mild Cognitive Impairment (MCI) // International Journal of Molecular Sciences. 2023. 24 p.

74. Hsiao Ming-Yen, Choo Yoo, Liu I.-Chun Effect of Repetitive Transcranial Magnetic Stimulation on Post-stroke Dysphagia: A Meta-analysis of Stimulation Frequency, Stimulation Site, and Timing of Outcome Measurement // Dysphagia. 2022. 38 p.

75. Odarushchenko Olga, Ansokova Mariana, Marchenkova Larisa Audiovisual Stimulation and Cognitive Behavioral Psychotherapy Complex Application in the Rehabilitation of Patients with Long COVID: a Prospective Randomized Study // Bulletin of Rehabilitation Medicine. 2023. №22. P. 96-104.

76. Замятина Е.И. Музыкальная терапия для детей с ОВЗ // Образовательная среда сегодня: теория и практика - Сборник материалов научно-практической конференции. Чебоксары, 2021. С. 130-132.

77. Замальдинов В.Е. Графические гибриды как визуальные средства воздействия в современном медиатексте // Сборник статей Международной научной конференции, посвященной 90-летнему юбилею В.Г. Костомарова. 2020. С. 275-279.

78. Одарущенко О.И., Кузюкова А.А., Нувахова М.Б. Результаты применения аудиовизуальной стимуляции и психотерапии в психологической коррекции эмоциональных нарушений у пациентов в позднем восстановительном периоде ишемического инсульта: проспективное рандомизированное исследование // Вестник восстановительной медицины. -2023. Т. 22. №5. C. 15-21.

79. Клейменова М.В. Формирование и развитие связной речи детей с задержкой психического развития дошкольного возраста // Евразийский союз ученых. 2018. № 4-5 (49). С. 58-60.

80. Юрова М.М. Особенности восприятия и психологических защит у подростков с дцп с разным уровнем интеллекта // Научное мнение. 2014. № 11-2. С. 81-84.

81. Мамайчук И. И. Психокоррекционные технологии для детей с проблемами в развитии // Учебное пособие для ВУЗов Москва: Издательство Юрайт, 2024. 318 с.

82. Potenski, D. Use of blacklight as visual stimulation for people with profound mental retardation and multiple handicaps // Mental retardation. 1993.№ 31. P. 111-115.

83. Schütz Laura, Weber Emmanuelle, Niu Wally Audiovisual augmentation for coil positioning in transcranial magnetic stimulation // Computer Methods in Biomechanics and Biomedical Engineering Imaging & Visualization. 2022. P. 1-8.

84. Smith Moyra Mental Retardation and Developmental Delay: Genetic and Epigenetic Factors // Oxford University Press. 2005. 344 p.

85. Магомедова Л.И. Развитие творческих способностей детей через различные виды искусств в системе дополнительного образования // Мир науки. 2018. Т. 6. № 5. С. 30.

86. Мелик-Пашаев А.А., Новлянская З.Н. Ступеньки к творчеству: Художественное развитие ребенка в семье // М.: Редакция журнала «Искусство в школе», 1995. 144 с.

87. Самыловская О.В., Васильева Е.В. Использование средств альтернативной и дополнительной коммуникации при обучении детей с умеренной и тяжёлой умственной отсталостью // Развитие современного образования: от теории к практике. сборник материалов Международной научно-практической конференции. 2017. С. 256-259.

88. Симачева Н.С. Интерактивный урок как форма повышения мотивации к обучению подростков с легкой умственной отсталостью // Успехи современной науки и образования. 2017. Т. 9. № 4. С. 145-147.

89. Бажукова О.А. Коррекционно-профилактическая работа с социально дезадаптивными подростками с умственной отсталостью // Сборники конференций НИЦ Социосфера. 2014. № 40. С. 80 - 84

90. Шеманов А.Ю. Цифровые технологии в контексте инклюзии // Современная зарубежная психология. 2016. Т. 5. № 3. С. 66 - 74.

91. Тычкова А.Н., Чернышов Д.С., Тверская С.Ю., Алимурадов А.К. Системный подход для исследования аудиовизуального контакта с системой виртуальной реальности // Международная молодежная научная конференция Тинчуринские чтения - 2024 "Энергетика и цифровая трансформация". 2024. С 26-36.

92. Воробьёва В.В. Анализ возможностей полного погружения в виртуальную реальность // Вестник молодых ученых Санкт-Петербургского государственного университета технологии и дизайна. 2021. № 3. С. 25-32.

93. Ночевнов В.С. Технологии полного погружения в виртуальную реальность // МОЛОДЫЕ ЭКОНОМИСТЫ - БУДУЩЕМУ РОССИИ.

Сборник научных трудов по материалам IX Международной научно-практической конференции студентов и молодых ученых. 2017. С. 228-229.

94. Платов А.В., Удалов Д.Э., Лысоиваненко Е.Н., Цветков Е.И. Модель обеспечения вовлеченности в игровом обучении на базе виртуальной реальности // Современное педагогическое образование. 2020. № 5. С. 77-82.

95. Мелкомукова О.В. Особенности первичной диагностики актуального развития у обучающегося с тяжелой умственной отсталостью (интеллектуальные нарушения) // Изучение и образование детей с различными формами дизонтогенеза. Материалы Международной научно -практической конференции памяти профессора В. В. Коркунова. Екатеринбург, 2021. С. 111-116.

96. Кузьмина Т.И. Психологическое изучение концепции лиц с легкой степенью умственной отсталости // Известия Российского государственного педагогического университета им. А.И. Герцена. 2008. № 69. С. 419-422.

97. Кулаева В.В. Развитие наглядно-образного мышления дошкольников с задержкой психического развития посредством «кубиков кооса» // Социализация детей с ограниченными возможностями здоровья: опыт, проблемы, инновации. Материалы XIV Всероссийской научно-практической конференции. В трех частях. Отв. редакторы А.А. Андреева, И.В. Смолярчук. Тамбов, 2020. С. 260-263.

98. Евстеефа В.И., Филиппова Н.В. Особенности развития познавательной сферы у детей дошкольного и младшего школьного возраста, страдающих ранним детским аутизмом // Бюллетень медицинских интернет-конференций. 2014. Т. 4. № 5. С. 642-643.

99. Тютин Б.В., Веселов А.О., Котляров В.П. Тестирование на основе ключевых слов с использованием диаграмм последовательности событий // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Информатика. Телекоммуникации. Управление. 2014. № 3 (198). С. 78-84.

100. Селицкий О. Н. Методика опосредованного запоминания // Большая российская энциклопедия: научно-образовательный портал [Электронный ресурс] URL: https://bigenc.ru/c/metodika-oposredovannogo-zapominaniia-378b66/?v=9544644 (Дата обращения: 22.08.2024).

101. Собчик Л.Н. Метод цветовых выборов. Модификация восьмицветового теста Люшера // практическое руководство / Сер. Практикум по психодиагностике. Санкт-Петербург, 2010.

102. Фоминых А.Я., Ржанова И.Е., Алексеева О.С. Тест Векслера для дошкольников как метод диагностики интеллекта // Воспитание и обучение детей младшего возраста. 2018. № 7. С. 38-39.

103. Зверева Н.В., Сергиенко А.А., Зверева М.В. Применение методики "Таблицы Шульте" в детско-подростковом возрасте: новые варианты анализа, нормативы// Актуальные проблемы психологического знания. 2024. № 1 (66). С. 262-273.

104. Якушкин Н.В. Проведение патопсихологического исследования // Пособие. Из-во УО «ВГУ им. П.М. Машерова. 2006. 149 с.

105. Киселева Е.А. Исследование самооценки у подростков разного возраста методом Дембо-Рубинштейна // Постулат. 2020. № 9 (59). С. 10.

106. Федулова Д.В., Бердюгин К.А. Сравнительный анализ антропометрических показателей детей с нарушением интеллекта // Современные проблемы науки и образования. 2022. № 3. С. 122.

107. Salikhova Saodatkhon, Salikhova Kamala Effects of EEG-Neurofeedback in children with Down syndrome // Romanian Journal of Neurology. 2007. №23. P. 267-271.

108. Khramova Marina, Kuc Alexander, Maksimenko Vladimir Monitoring the Cortical Activity of Children and Adults during Cognitive Task Completion. Sensors. 2021. 21 p.

109. Назмиева А.Ф. Обзор электромиографии в биомеханике // Фундаментальные и прикладные научные исследования: актуальные вопросы, достижения и инновации. Гуляев Г.Ю. сборник статей LI

Международной научно-практической конференции. В 2 частях. Пенза, 2021. С. 174-176.

110. Трубицын Р.В., Рудаков О.С., Овсянников Н.И. Эффективность применения метода эмг-бос в реабилитации // Современные научные исследования и инновации. 2018. № 3 (83). С. 26.

111. Soto-Ares Gustavo, Joyes Béatrice, Lemaitre Marie-Pierre MRI in children with mental retardation // Pediatric radiology. 2003. №33. P. 334-345.

112. Kjos B, Umansky R, Barkovich A. Brain MR imaging in children with developmental retardation of unknown cause: Results in 76 cases // AJNR. American journal of neuroradiology. 1990. № 11. P. 1035-1040.

113. Алимурадов А.К., Платонов К.Е., Порезанов Б.А., Стешкин И.О. Алгоритм сегментации речевых сигналов на вокализованные и невокализованные фрагменты // Методы, средства и технологии получения и обработки измерительной информации («Шляндинские чтения -2022»). материалы XIV Международной научно-технической конференции с элементами научной школы и конкурсом научно-исследовательских работ для обучающихся и молодых ученых. Пенза, 2022. С. 179-182.

114. Алимурадов А.К., Тычков А.Ю., Чураков П.П. Способ обнаружения психоэмоционального расстройства человека на основе декомпозиции на эмпирические моды и формантного анализа речевых сигналов // Информационные технологии в науке и образовании. Проблемы и перспективы. 2019. С. 144-146.

115. Акошева М.К. Невербальные средства коммуникации - возможные причины неадекватной интерпретации речи // Язык и литература: теория и практика. 2023. № 1. С. 6-13.

116. Алимурадов А.К., Тычков А.Ю., Чураков П.П. Алгоритм определения формантной разборчивости речи для оценки психоэмоционального состояния человека // Методы, средства и технологии получения и обработки измерительной информации ("Шляндинские чтения -2019"). Материалы XI Международной научно-технической конференции с

элементами научной школы и конкурсом научно-исследовательских работ для студентов, аспирантов и молодых ученых. 2019. С. 238-241.

117. Мохотаева М.В. Особенности дыхания и голосообразования у младших школьников с дизартрией // Известия Южного федерального университета. Педагогические науки. 2010. № 5. С. 200-205.

118. Буслаева М.Е. Особенности развития семантической стороны речи младших школьников с умственной отсталостью // Прикладная психология и педагогика. 2021. Т. 6. № 4. С. 183-199.

119. Выготский Л.С. Мышление и речь // Изд. 5, испр. М.: Издательство "Лабиринт", 1999. 352 с.

120. Лалаева Р.И. Нарушение устной речи и система их коррекции у умственно отсталых школьников // J ДНИ., 1988. С. 9-24.

121. Л.В. Бенедиктова, Т.Т. Воробей Дифференциальная диагностика речевых расстройств у детей дошкольного и школьного возраста // Методические рекомендации. J ДНИ. 1998. 134 с.

122. Ощепкова Е.С. Оценка развития речи у детей: обзор зарубежных методик // Вопросы психолингвистики. 2020. № 2 (44). С. 110-123.

123. Кропачева М.Н. Развитие просодической стороны речи у дошкольников с дизартрией // European Science. 2020. № 5 (54). С. 42-44.

124. Чигинцева М.Д Особенности языкового анализа и синтеза у детей старшего дошкольного возраста с общим недоразвитием речи // Приоритеты педагогики, психологии и современного образования. материалы международной научно-практической конференции. Москва, 2024. С. 41 -50.

125. Дуванова С.П., Шурыгина Н.А. Развитие фонематического восприятия у старших дошкольников с фонетико-фонематическим недоразвитием речи // Известия Воронежского государственного педагогического университета. 2012. Т. 258. С. 305-313.

126. Тычкова А.Н., Тычков А.Ю. Информационно-измерительная система оценки психического здоровья человека // Распределенные информационно-вычислительные ресурсы. Наука - цифровой экономике

(DICR-2017). Труды XVI всероссийской конференции. Институт вычислительных технологий СО РАН. Новосибирск. 2017. С. 260-266.

127. Зикеев А.Г. Развитие речи учащихся специальных (коррекционных) образовательных учреждений // Учебное пособие для студентов педагогических вузов М., 2000. 198 с.

128. Tychkova A.N., Alimuradov A.K. A Method to Recognize Significant Informative Speech Signal Parameters Relevant to Human Emotional States // 2024 IEEE 25th International Conference of Young Professionals in Electron Devices and Materials (EDM). 2024. P. 2030 - 2035.

129. Алимурадов А.К., Тычков, Чураков П.П. Способ адаптивного измерения просодических характеристик речевых сигналов // Международная конференция по мягким вычислениям и измерениям. 2018. Т. 2. С. 107-110.

130. Алимурадов А.К., Тычков А.Ю., Чураков П.П., Агейкин А.В. Способ измерения акустических паттернов речевых сигналов психоэмоциональных состояний на основе адаптивной декомпозиции и энергетического анализа эмпирических мод // Методы, средства и технологии получения и обработки измерительной информации. Материалы Международной научно-технической конференции, посвященной 100-летию со дня рождения В.М. Шляндина. 2018. С. 149-152.

131. Kakulapati Vijayalakshmi, Sahith, Naresh Swethan Optimized Analysis of Emotion Recognition Through Speech Signals // Conference: International Conference on Soft Computing and Signal Processing. 2024. 10 p.

132. Yoshida Jungi Sound signal processor for extracting sound signals from a composite digital sound signal // Journal of The Acoustical Society of America - J ACOUST SOC AMER. 2003. 6 p.

133. Restuccia Francesco, Kastner Ryan Cut and Forward: Safe and Secure Communication for FPGA System on Chips // IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. 2022. №41. 8 p.

134. Patel Rita, Awan Shaheen, Barkmeier-Kraemer Julie Recommended Protocols for Instrumental Assessment of Voice: American Speech-Language-Hearing Association Expert Panel to Develop a Protocol for In-strumental Assessment of Vocal Function // American Journal of Speech-Language Pathology. 2018 №27. P. 1-19.

135. Noffs Gustavo, Cobler-Lichter Matthew, Perera Thushara Plug-and-Play Microphones for Recording Speech and Voice with Smart Devices // Folia Phoniatrica et Logopaedica. 2023. № 76. 5 p.

136. Awan Shaheen, Shaikh Mohsin, Desjardins Maude The Effect of Microphone Frequency Response on Spectral and Cepstral Measures of Voice: An Examination of Low-Cost Electret Headset Microphones // American journal of speech-language pathology. 2022. № 31. P. 1-15.

137. Fredianelli Luca, Pedrini Gregorio, Bolognese Matteo Features for Evaluating Source Localization Effectiveness in Sound Maps from Acoustic Cameras // Sensors. 2024. № 24. 16 p.

138. Ba Demba, Florencio Dinei, Zhang Cha Enhanced MVDR Beamforming for Arrays of Directional Microphones // Conference: Multimedia and Expo, 2007 IEEE International. 2007. P. 1307 - 1310.

139. Borjigin Agudemu, Kokkinakis Kostas, Bharadwaj Hari Deep learning restores speech intelligibility in multi-talker interference for cochlear implant users // Scientific Reports. 2024. №14. 7 p.

140. Delikaris-Manias Symeon, Valagiannopoulos Costas, Pulkki Ville Optimal directional pattern design utilizing arbitrary microphone arrays: A continuous-wave approach // Audio Engineering Society Convention. 2013. 9 p.

141. Соломатин К.В. Перспективы применения моделей машинного обучения для синтеза речи в индустрии компьютерных игр // Экономика и общество России: глобальные вызовы и национальные интересы. Материалы III научно-практической конференции с международным участием. Саратов, 2023. С. 166-170.

142. Librosa [Электронный ресурс]. URL: https://librosa.org/ (дата обращения: 11.08.2024).

143. Scikit-Learn [Электронный ресурс]. URL: https://scikit-learn.org/stable/index.html (дата обращения: 13.08.2024).

144. TensorFlow [Электронный ресурс]. URL: https://www.tensorflow.org/?hl=ru (дата обращения: 13.08.2024)

145. Савранчук Д.С. Искусственный интеллект и алгоритмы синтеза речи // Студенческая наука и XXI век. 2023. Т. 20. № 1-1 (23). С. 90-92.

146. Тропченко А.Ю., Тропченко А.А. Цифровая обработка сигналов. Методы предварительной обработки // Учебное пособие по дисциплине «Теоретическая информатика» / Санкт-Петербург, 2009. 4 с.

147. О. С. Агашин, О. Н. Корелин Методы цифровой обработки речевого сигнала в задаче распознавания изолированных слов с применением сигнальных процессоров // Труды нижегородского государственного технического университета им. Р. Е. Алексеева. 2012. № 4 (97). С. 32-44.

148. Назаров М. В. Методы цифровой обработки и передачи речевых сигналов // М: Радио и связь, 1985. 176 с.

149. Назаров М. В., Прохоров Ю. Н., Санников В. Г. Методы анализа нелинейных цепей на ЭВМ // Учеб. Пособие/ М: МИС, 1988. 58 с.

150. Кобелев В.Ю., Приоров А.Л. Применение неразделимых вейвлет-фильтров в задачах сжатия изображений // Цифровая обработка сигналов. 2006. № 2. С. 21-26.

151. Л. Рабинер, Б. Гоулд Теория и применение цифровой обработки сигналов // Москва: Издательство «Мир». 1978. 848 с.

152. Абрамов Е.С., Гришкин В.М. Математические методы цифровой обработки сигналов // учебное пособие Санкт-Петербург, 2007. 123 с.

153. Кошелева Д.Д., Доронина А.В. Преобразование фурье и быстрое преобразование Фурье // Инновации. Наука. Образование. 2021. № 38. С. 626-632.

154. Карнаухова Е.С., Червяков Н.И., Калита Д.И. Алгоритм обработки информации, основанный на кратномасштабном вейвлет-преобразовании // Математические методы и информационно-технические средства. Материалы X Всероссийской научно-практической конференции. 2014. С. 142-145.

155. Музычук Д.С., Медведев М.С. Использование преобразования гильберта-хуанга для формирования моделей фонем русского языка в задаче распознавания речи // Молодой ученый. 2013. № 6. С. 75-86.

156. Иванов И.И. Анализ метода мел-частотных кепстральных коэффициентов применительно к процедуре голосовой аутентификации // Актуальные проблемы гуманитарных и естественных наук. 2015. № 10-1. С. 106-114.

157. Колдаев В.Д., Павлов Р.И. Использование метода линейного предсказания при голосовой идентификации // Современный научный вестник. 2016. Т. 8. № 1. С. 58-64.

158. Расулова Х.А. Анализ и оценка взаимосвязи устойчивого развития и структурных сдвигов с применением многофакторного корреляционно-регрессионного анализа // Молодой ученый. 2019. № 26 (264). С. 375-384.

159. Common Voice [Электронный ресурс]. URL: https://commonvoice.mozilla.org/ru/listen (дата обращения: 01.04.2024).

160. Google Audioset [Электронный ресурс]. URL: https://research.google.com/audioset/ (дата обращения: 03.05.2024).

161. VoxCeleb [Электронный ресурс]. URL: https://www.kaggle.com/datasets/bachng/voxceleb (дата обращения: 14.08.2024).

162. English Evaluation Transcripts [Электронный ресурс]. URL: https://catalog.ldc.upenn.edu/LDC2002T43 (дата обращения: 20.05.2024).

163. CHiME-5 [Электронный ресурс]. URL: https://github.com/UDASE-CHiME2023/CHiME-5 (дата обращения: 25.06.2024).

164. TED-lium corpus [Электронный ресурс]. URL: https://www.tensorflow.org/datasets/catalog/tedlium7hHru (дата обращения: 14.09.2024).

165. Free Spoken Digit Dataset [Электронный ресурс]. URL: https://github.com/Jakobovski/free-spoken-digit-dataset (дата обращения: 17.05.2024).

166. Childes [Электронный ресурс]. URL: https://www.hse.ru/neuroling/cla_project_childes (дата обращения: 15.08.2024).

167. Infantru [Электронный ресурс]. URL:

https://pureportal.spbu.ru/ru/publications/-----infantru--childru(0ee0b6f3-8975-

4ff5-983a-bf916428099d).html (дата обращения: 19.07.2024).

168. Childru [Электронный ресурс]. URL: http: //universal. elra. info/product_info. php?cPath=3 7_39&products_id=2275 (дата обращения: 07.04.2024).

169. Тычкова А.Н., Алимурадов А.К., Квитка Ю.С., Тычков А.Ю., Агейкин А.В., Чураков П.П., Калистратов В.Б., Митрошина С.Ю. Верифицирован-ная база медицинских электрических и акустических сигналов // Свидетельство о регистрации базы данных RU 2017620266, 02.03.2017. Заявка № 2017620022 от 09.01.2017.

170. Тычкова А.Н., Иванов А. Д., Чернышов Д. С., Тычков А.Ю., Симакова О.С., Алимурадов А.К., Золотарев Р.В., Овчинников Д.Л. Программная реализация системы регистрации и отображения физиологических данных // Свидетельство о регистрации программы для ЭВМ RU 2024669529, 19.08.2024. Заявка № 2024667696 от 29.07.2024.

171. Тычкова А.Н., Алимурадов А.К., Тычков А.Ю., Чураков П.П., Агейкин А.В., Программа измерения просодических характеристик речевых сигналов при пограничных психических расстройствах // Свидетельство о регистрации программы для ЭВМ RU 2018612760, 27.02.2018. Заявка № 2018610009 от 11.01.2018.

172. Тычкова А.Н., Алимурадов А.К., Тычков А.Ю., Чураков П.П., Программа принятия решений о психической активности человека по конечному числу эмпирических мод // Свидетельство о регистрации программы для ЭВМ RU 2018612866, 01.03.2018. Заявка № 2018610397 от 18.01.2018.

173. Тычкова А.Н. Алгоритм обработки речевых сигналов в сппвр для детей с умственной отсталостью // Актуальные научные исследования. сборник статей XX Международной научно-практической конференции. Пенза, 2024. С. 46-48.

174. MedicBK [Электронный ресурс]. URL: https://medicbk.com/ru (дата обращения: 23.08.2024).

175. «Электронный клинический фармаколог» [Электронный ресурс]. URL: https://www.ecp.umkb.com/ (дата обращения: 18.05.2024).

176. Galenos [Электронный ресурс]. URL: https://teh-lab.ru/solutions/galenos-clinic/ (дата обращения: 13.06.2024).

177. Lexema-Medicine [Электронный ресурс]. URL: https://www.lexema.ru/medicine/decision-support/ (дата обращения: 14.04.2024)

178. Panacea [Электронный ресурс]. URL: https://panaceadoc.ru/ (дата обращения: 25.07.2024).

179. Берестнева О.Г., Лызин И.А., Аксенов С.В Разработка системы поддержки принятия врачебных решений на примере решения задачи выбора наилучшей траектории лечения для детей с эндокринопатиями // Информационные и математические технологии в науке и управлении, Россия, Томск. 2023. №4(32). С. 127-138.

180. Висаитова Л.Р. Системы поддержки принятия решений: эффективность принятия решений // Интеллектуальные бизнес-процессы в промышленности. 2020. №11(50). С. 219-225.

181. Buch Kaushal, Kale Ruta, B. Ajith Broadband and Narrowband RFI Filtering in the GMRT Wideband Backend //Conference: 2022 URSI Regional Conference on Radio Science (URSI-RCRS). 2022. 21 p.

182. Yuan-lian Huo, Li-hua Tuo, Yong-feng Qi, Yin Zhang Quantized kernel least inverse hyperbolic sine adaptive filtering algorithm // Acta Physica Sinica. 2022. №71. 13 p.

183. Алимурадов А.К. Адаптивная компенсация помех речевых сигналов с использованием комплементарной множественной декомпозиция на эмпирические моды // Молодежь и XXI век, материалы V Международной молодежной научной конференции: в 3-х томах, 2015. С. 96-99.

184. Алимурадов А.К., Чураков П.П. Обзор и классификация методов обработки речевых сигналов в системах распознавания речи // Измерение. Мониторинг. Управление. Контроль. 2015. № 2 (12). С. 27-35.

185. Buch Kaushal, Kale Ruta, B. Ajith Broadband and Narrowband RFI Filtering in the GMRT Wideband Backend //Conference: 2022 URSI Regional Conference on Radio Science (URSI-RCRS). 2022. 21 p.

186. Алимурадов А.К. Повышение эффективности сегментации «речь/пауза» на основе энергетического оператора Тигера // Информационные технологии в науке и образовании. Проблемы и перспективы. сборник статей по материалам VIII Всероссийской межвузовской научно-практической конференции. Пенза, 2021. С. 128-131.

187. Алимурадов А.К., Чураков П.П., Тычков А.Ю., Тверская С.Ю. Метод оконной фильтрации речевых сигналов на основе декомпозиции на эмпирические моды для систем оценки психоэмоционального состояния человека // Биомедицинская радиоэлектроника. 2023. Т. 26. № 2. С. 32-37.

188. Алимурадов А.К., Тычков А.Ю., Дудников Д.С., Чураков П.П. Программа автоматизированной сегментации сигнал/пауза на основе комплексного анализа амплитудно-частотных параметров речи // Свидетельство о регистрации программы для ЭВМ RU 2023687816, 18.12.2023. Заявка от 30.11.2023.

189. Tomar Himani, Deshwal Deepti, Trivedi Neelu Convolutional neural network based language identification system: A spectrogram based approach // Multimedia Tools and Applications. 2024. p 1-26.

190. Юдаков Д.С., Чернышов А.П., Митрофанова С.В. Алгоритм расчета мел-спектральных коэффициентов для систем текстонезависимой идентификации абонента радиосети // Воздушно-космические силы. Теория и практика. 2021. № 20. С. 86-95.

191. Yang Pu, Yang Yingchun, Wu Z Robust speaker recognition using glottal information-based cepstral mean subtraction // Journal of The Acoustical Society of America - J ACOUST SOC AMER. 2004. 9 p.

192. Lin Shih-Hsiang, Chen Hung-Bin, Yeh Yao-Ming, Chen Berlin Improved Histogram Equalzaiton (HEQ) for Robust Speech Recogntion // INTERSPEECH 2004- ICSLP, 8TH INTERNTATIONAL Conference on Spoken Language Processing. 2007. 2234-2237 pp.

193. программно-аппаратный комплекс «ИКАР ЛАБ 3» [Электронный ресурс] URL: https://www.speechpro.ru/product/ekspertnye-sistemy-i-shumoochistka/ikar-lab/specification (дата обращения: 14.06.2024).

194. Система речевой аналитики SIGURD IT [Электронный ресурс] URL: https://sigurd-it.ru/analyz-speech (дата обращения: 16.08.2024).

195. Deeray [Электронный ресурс] URL: https://www.deeray.com/ (дата обращения: 25.09.2024).

196. Yandex SpeechKit [Электронный ресурс] URL: https://yandex.cloud/ru/services/speechkit?utm_source=yandex-s&utm_medium=cpc&utm_campaign=Search_RU_SPKT_LGEN_NEW_speechki t_cloud%7C78146621 &utm_content=5312246033%7C&utm_term=---autotargeting%7C16447775988&etext=2202.J8j0D0uMYIs1ihtMRKwPJ5Qs77fd (дата обращения: 30.09.2024).

197. Программа GUISA [Электронный ресурс] URL: https://github.com/vickyliau/GUISA (дата обращения: 27.06.2024).

198. Кочаров Д.А., Хомяков А.Б. Система и способ распознавания речи // Патент RU 2 466 468 С1. Начало действия 30.06.2011.

199. Витязев В.В., Розов В.И., Волченков В.А. Способ обнаружения пауз в речевых сигналах и устройство его реализующее // Патент ЯИ 2 436 173 С1. 15.06.2010.

200. Гиголо Л.А., Сахаров В.О. Способ распознавания фонем речи и устройство для реализации способа // Патент ЯИ 2 268 504 С1. 30.03.2004.

201. Титов О.Н., Афанасьев А.А., Илюшин М.В. Способ и устройство классификации сегментов зашумленной речи с использованием полиспектрального анализа // Патент ЯИ 2 606 566 С2. 29.12.2014.

202. Данилов Г.В., Быканов А.Е., Ишанкулов Т.А., Титов О.Ю., Пицхелаури Д.И. Способ прогнозирования речевых нарушений при проведении нейрохирургических вмешательств по данным интраоперационной регистрации кортико-кортикальных вызванных потенциалов // Патент ЯИ 2806013 С1. 25.10.2023.

203. Алимурадов А.К., Тычков А.Ю., Чураков П.П., Дудников Д.С. НОВЫЙ ПОДХОД СЕГМЕНТАЦИИ РЕЧЕВЫХ СИГНАЛОВ НА ОСНОВЕ ЧАСТОТНО-ВРЕМЕННОГО АНАЛИЗА // Измерение. Мониторинг. Управление. Контроль. 2022. № 4 (42). С. 80-92.

204. Фёдоров В.М., Юрков П.Ю РАСПОЗНАВАНИЕ ЭМОЦИОНАЛЬНОГО СОСТОЯНИЯ ЧЕЛОВЕКА ПО АКУСТИЧЕСКИМ ПАРАМЕТРАМ РЕЧИ // Третий междисциплинарный семинар "Анализ разговорной русской речи" (АР3 - 2009). составитель: А.Л. Ронжин. 2009. С. 63-67.

205. Тычкова А.Н., Агейкин А.В., Алимурадов А.К., Тычков А.Ю., Чураков П.П., Анализ и оценка сигнальных систем диагностики пограничных психических расстройств // Биотехносфера. 2017. № 1 (49). С. 35-39.

206. Тычкова А.Н., Алимурадов А.К. Методологический подход повышения результативности процесса реабилитации на основе анализа потоковых речевых данных // Измерение. Мониторинг. Управление. Контроль. № 3. 2024. С. 118-125.

207. Тычкова А.Н. Алгоритм обработки речевых сигналов в СППВР для лиц с умственной отсталостью // XIX Международная научно-практическая конференция «Актуальные научные исследования». - Пенза. -2024. С. 64-69.

208. Тычкова А.Н. Инструментальные методы и средства исследования умственной отсталости // Международная молодежная научная конференция Тинчуринские чтения. Казань. 2024 «Энергетика и цифровая трансформация». 2024. С. 741-744.

209. Алимурадов А.К., Тычков А.Ю., Чураков П.П., Дудников Д.С. П рограмма обнаружения и классификации естественных эмоциональных состояний человека по речи на основе рекуррентной нейронной сети // Свидетельство о регистрации программы для ЭВМ RU 2023686318, 05.12.2023. Заявка от 30.11.2023. 8 c.

210. Алимурадов А.К., Тычков А.Ю., Чураков П.П. Обзор и анализ систем обнаружения и классификации критических эмоциональных состояний человека по речевым сигналам // Методы, средства и технологии получения и обработки измерительной информации ("Шляндинские чтения -2023"). Материалы XV Международной научно-технической конференции с элементами научной школы и конкурсом научно-исследовательских работ для студентов, аспирантов и молодых ученых. Под редакцией Е.А. Печерской. Пенза, 2023. С. 240-245.

211. Технологии для анализа эмоций по голосу "Empath" / "Web Empath API" / "SDK Empath API" / "Beluga Box" / "Emo Value Generator". [Электронный ресурс] URL: https://www.webempath.com (дата обращения: 02.08.2023).

212. Тычкова А.Н., Алимурадов А.К., Горбунов В.Н. Программа обработки и анализа значимых параметров речевых сигналов у людей с умственной отсталостью // Свидетельство о регистрации программы для ЭВМ RU 2024681037, 08.08.2024. Заявка № 2024668520 от 04.09.2024. 6 с.

ПРИЛОЖЕНИЕ А

Согласие родителей или законных представителей на проведение

исследования

визуальною контакта .ин социально-психологической реабилитации дегей-ин нал и лов с психическими расстройствами и расстройствами поведения», проводимом на базе \11>ОУ COMI .V" 30 г. Пензы.

Я былабыл оспе ломлена о следующем: цели и пользе исследования (повышение »ффектнвности социально-психологической реабилитации де ген-инвалидов с психическими расстройствами п расстройствами поведения);

используемых при исследовании методах инструмент альнот и информационного воздейсi вия;

вероятном риске исследования, связанным с применением исследовательских процедур.

Мною в письменном виде была получена вышеназванная информация и шветы на все вопросы.

Мною была получена гарантия добровольности участия в научном исследовании и возможности его прекращения на любой стадии получать при • юм соответствующее обследование и лечение.

Я лаю согласие на то, чтобы данные о моем ребенке были занесены в комньюк'рный файл, обеспечивающий гарантию защиты лицам, определенными «аконолатслылбОМ. Я имею право обращаться к этим данным и при псобхолимости исправлять их через выбранного мною сотрудника МБОУ CÜIII S» 30 г 11снзы

Я лаю согласие на передачу сведений о состоянии тдоровья моего ребенка и иных сведений исследователю при условии соблюдения ими требований конфиденциальности и неприкосновенности частной жизни.

ИНФОРМИРОВАННОЕ СОГЛАС ИЕ

Полнись родителя ( законного представителя)

ПРИЛОЖЕНИЕ Б

Листинг программы обработки и анализа значимых параметров речевых сигналов у лиц с умственной отсталостью

library(stringr) library(ggstatsplot) #

https://indrajeetpatil.github.io/ggstatsplot/articles/web_only/ggbetweenstats.html ## You can cite this package as:

## Patil, I. (2021). Visualizations with statistical details: The 'ggstatsplot' approach. ## Journal of Open Source Software, 6(61), 3167, doi:10.21105/joss.03167

library(qdapRegex)

##

## Присоединяю пакет: 'qdapRegex'

##

## Следующий объект скрыт от 'package:dplyr':

##

## explain

##

## Следующий объект скрыт от 'package:ggplot2':

##

## %+%

df <- readRDS("data2024-06-17.RDS")

for (type1 in levels(df$type)) { kind <- df %>%

filter(type %in% type1) %>% select(kind) %>% head(n = 1) kind <- levels(kind$kind)[as.numeric(kind$kind)] df %>% filter(type %in% type1) %>% ggbetweenstats( x = state, y = value,

point.args = list(alpha = 0),

title = paste0('CpaB^H^ "До" и "После" для "', type1,'" у всех пациентов (', kind, ')'), xlab = "Состояние",

ylab = "") -> g print(g)

}

for (type1 in levels(df$type)) { kind <- df %>%

filter(type %in% type1) %>% select(kind) %>% head(n = 1) kind <- levels(kind$kind)[as.numeric(kind$kind)] df %>% filter(type %in% type1) %>% ggbetweenstats( x = state, y = value,

point.args = list(alpha = 0),

title = paste0('CpaBHeH^ "До" и "После" для "', typel,'" у всех пациентов (', kind, '), log10'),

xlab = "Состояние", ylab = "")+ ggplot2::scale_y_log10() -> g print(g)

}

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite values. ## log-10 transformation introduced infinite values. ## log-10 transformation introduced infinite values.

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite values. ## log-10 transformation introduced infinite values. ## log-10 transformation introduced infinite values.

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite values. ## log-10 transformation introduced infinite values. ## log-10 transformation introduced infinite values.

## Warning in transformation$transform(x): созданы NaN

## Warning in transformation$transform(x): log-10 transformation introduced

## infinite values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning: Removed 1 row containing missing values or values outside the scale range

## (,geom_point(y).

## Scale for y is already present.

## Adding another scale for y, which will replace the existing scale.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning: Removed 28761 rows containing missing values or values outside the scale range ## (,geom_point(y).

## Warning: Removed 1 row containing missing values or values outside the scale range

## (,geom_point(y).

## Warning: Removed 1 row containing missing values or values outside the scale range ## (,geom_label_repel(y). ## Scale for y is already present.

## Adding another scale for y, which will replace the existing scale. ## Scale for y is already present.

## Adding another scale for y, which will replace the existing scale.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning: Groups with fewer than two datapoints have been dropped.

## i Set ' drop = FALSE' to consider such groups for position adjustment purposes.

## Warning in max(data$density, na.rm = TRUE): у 'max' нет не пропущенных

## аргументов; возвращаю -Inf

## Warning: Computation failed in 'stat_ydensity()\

## Caused by error in ,$<-.data.frame':

## ! у замены 1 строк, у данных -- 0

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning: Removed 28761 rows containing missing values or values outside the scale range

## (,geom_point(y).

## Scale for y is already present.

## Adding another scale for y, which will replace the existing scale.

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite ## values.

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite values. ## log-10 transformation introduced infinite values. ## Scale for y is already present.

## Adding another scale for y, which will replace the existing scale.

## Warning in transformation$transform(x): созданы NaN

## Warning in transformation$transform(x): log-10 transformation introduced

## infinite values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning: Removed 28761 rows containing missing values or values outside the scale range

## (,geom_point(y).

## Scale for y is already present.

## Adding another scale for y, which will replace the existing scale. ## Scale for y is already present.

## Adding another scale for y, which will replace the existing scale.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning in transformation$transform(x): созданы NaN

## Warning in ggplot2::scale_y_log10(): log-10 transformation introduced infinite

## values.

## Warning: Removed 28761 rows containing missing values or values outside the scale range

## (,geom_point(y).

## Scale for y is already present.

## Adding another scale for y, which will replace the existing scale.

ПРИЛОЖЕНИЕ В Листинг программы представления и визуализации речевых сигналов

QFrame, QLabel, QPushButton

from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas

from matplotlib.animation import FuncAnimation

from datetime import datetime

from pythonosc import dispatcher, osc_server

from threading import Thread

import matplotlib.pyplot as plt

class MyMplCanvas(FigureCanvas):

def_init_(self, width, height, dpi, IpAddress-'", PlotUpdate=100,

max_accelerometer_points=400,

max_rhythms_points=50, max_sensor_points=400): self.fig, self.ax = plt.subplots(3, 2, figsize=(width, height), dpi=dpi) super(MyMplCanvas, self)._init_(self.fig)

self.TextColor = '#D9DADA'

for ax_row in self.ax: for ax in ax_row:

ax.set_facecolor('#808080')

self.fig.set_facecolor('#202020') self.IP = IpAddress self.Port = 5001

self.data = {'X_values': [], 'Y_values': [], 'Z_values': [], 'Delta_abs': [], 'Theta_abs': [], 'Alpha_abs': [], 'Beta_abs': [], 'Gamma_abs': [], 'tp9': [], 'af7': [], 'af8': [], 'tp10': []} self.max_accelerometer_points = max_accelerometer_points self.max_rhythms_points = max_rhythms_points self.max_sensor_points = max_sensor_points

self.line_width = 0.9 self.recording = False

self.file_path = 'OSC-Python-Recording.csv' self.recording_file = None

self.init_osc_server()

self.ani = FuncAnimation(self.fig, self.update_plot, interval=PlotUpdate, blit=True, save_count=True)

def init_osc_server(self):

self.osc_dispatcher = dispatcher.Dispatcher() self.osc_dispatcher.map("/muse/acc", self.acc_handler) self.osc_dispatcher.map("/muse/elements/delta_absolute", self.Dabs_handler) self.osc_dispatcher.map("/muse/elements/theta_absolute", self.Tabs_handler) self.osc_dispatcher.map("/muse/elements/alpha_absolute", self.Aabs_handler)

self.osc_dispatcher.map("/muse/elements/beta_absolute", self.Babs_handler) self.osc_dispatcher.map("/muse/elements/gamma_absolute", self.Gabs_handler) self.osc_dispatcher.map("/muse/eeg", self.eeg_handler) self.osc_dispatcher.map("/Marker/*", self.marker_handler)

self.osc_server = osc_server.ThreadingOSCUDPServer((self.IP, self.Port), self.osc_dispatcher)

print("Listening on UDP port 5001")

self.osc_server_thread = Thread(target=self.osc_server.serve_forever) self.osc_server_thread.start()

def acc_handler(self, address: str, *args): if len(args) >= 3: X, Y, Z = args[:3] self.data['X_values'].append(-X) self.data['Y_values'] .append(-Y) self.data['Z_values'].append(-Z) self.trim_data('X_values') self.trim_data('Y_values') self.trim_data('Z_values')

def start_recording(self):

self.recording_file = open(self.file_path, 'w') self.writeFileHeader()

def stop_recording(self): if self.recording_file:

self.recording_file.close() self.recording_file = None