Sergamumas įvairiomis organinėmis gerklų ligomis, tarp jų ir onkologinėmis, didėja dėl senstančios visuomenės bei civilizacijos sąlygoto gyvenimo būdo pasikeitimo ir aplinkos taršos. Dėl slaptos eigos ir ankstyvų klinikinių simptomų nebuvimo daugiau nei pusė gerklų vėžio atvejų diagnozuojama vėlyvose stadijose. Nemažai reikšmės turi nesavalaikis ankstyvųjų simptomų interpretavimas, gydymo skyrimas ir rezultato prognozavimas. Šiuos netobulumus lemia daugelis faktorių, tarp kurių ne paskutinę vietą užima gydytojo patirties stoka. Siekiant sumažinti diagnostinių tyrimų vertinimo subjektyvumą, patirties skirtumus tarp skirtingos kvalifikacijos tyrėjų ir gydytojų, užtikrinant nuoseklų mokymo ir mokymosi procesą, tiek moksliniu, tiek praktiniu požiūriu yra aktualu sukurti visuotinai prieinamą sistemą, suteikiančią pagalbą diagnozuojant organines gerklų ligas. Tokia sistema turėtų remtis daugeliu skirtingos informacijos šaltinių parametrais, lanksčiai prisitaikyti prie naujų parametrų įvedimo ir informacijos kaupimo. Pasaulyje nėra sukurtos ir visuotinai naudojamos gerklų ligų kategorizavimo sistemos, apjungiančios keletą informacijos šaltinių bei padedančios gydytojui priimti sprendimą neaiškiose situacijose. Tikslas Sukurti automatinę organinių gerklų ligų kategorizavimo sistemą, paremtą mikrolaringoskopinių vaizdų, akustinių ir subjektyvių balso parametrų bei pacientų demografinių duomenų analize, ir įvertinti jos efektyvumą. Darbo uždaviniai 1. Nustatyti statistinių metodų ir... [toliau žr. visą tekstą] / In clinical practice, the diagnostic procedure of laryngeal diseases is based on evaluation of patient's complaints, history, and data of instrumental as well as histological examination. A variety of techniques for examination of the larynx and objective measurements of voice quality have been developed during the last years. Analysis of patient's complaints and history, evaluation of his/her voice, assessment of data of laryngeal visualization (laryngoscopy) remain the primary information sources used to categorize and diagnose the laryngeal disorders. Automated analysis of voice is increasingly used for detecting and screening laryngeal disorders. Time, frequency, and cepstral domains are usually used to extract features characterizing a voice signal. Analysis of the literature related to automated categorization of voice aiming to detect laryngeal pathologies showed that the categorization is usually based on one, two, or three types of features. There are no reports in the literature attempting to extract a larger variety of features for characterizing a voice signal. Moreover, there are no investigations of the utility of a large variety of feature types in categorizing the voice signal into the healthy and several pathological voice classes using a committee of support vector machines (SVM). Whilst automated categorization of voice into pathological and healthy classes is rather common, there were very few attempts to create systems for automated analysis of color... [to full text]