Перейти до вмісту
Мікросистеми, Електроніка та Акустика
ISSN 2523-4447 · e‑ISSN 2523-4455 Відкритий доступ · CC BY-SA 4.0
Т. 31 · № 2 · 2026 чер 16, 2026 Акустичні прилади та системи

Практичний метод оцінювання безпечних звуків для осіб із ПТСР

АП
Анастасія Володимирівна Паренюк Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Україна
ДП
PhD Дмитро Володимирович Паренюк Відповідальний Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Україна
КР
PhD, дослідник Катерина Л. Руденька Державна установа «Інститут отоларингології ім. проф. О.С. Коломійченка Національної академії медичних наук України» Україна
Сторінки359648.1-359648.12 Опублікованочер 16, 2026 ЛіцензіяВідкритий доступ
PDF
ТОМ 31 · № 2 · 2026 Переглянути випуск

Анотація

Мета. Дослідження має на меті вивчити зручність використання та ефективність методу оцінювання безпеки акустичного середовища щодо потенційно небезпечних стимулів для людей із посттравматичним стресовим розладом. Запропонований метод поєднує виділення ознак на основі спектральної густини потужності (PSD) та мел-частотних кепстральних коефіцієнтів (MFCC) зі статистичним тестуванням і легковаговою класифікацією машинного навчання та спрямований на мінімізацію стресових реакцій на значущі звукові події. Метод призначено для портативних вбудованих платформ з можливою хмарною аналітикою, що забезпечує ефективність аналізу й водночас дає змогу застосовувати його технічним і медичним персоналом у межах структурованого протоколу збору даних. Матеріали та методи. Записані аудіофайли, що використовувались для попереднього навчання та оцінки, було згруповано у три категорії: нешкідливі повсякденні звуки, пов’язані з небезпекою (загрозо-асоційовані) акустичні стимули, релевантні для середовищ із скупченням людей, а також стимули з підвищеною звуковою загрозою. Сигнали аналізували за допомогою PSD на основі методу Велча в діапазоні 20 Гц–20 кГц (смуги 100 Гц) та ознак MFCC (13 кепстральних коефіцієнтів і логарифмічна енергія). Для кожного файлу обчислювали агреговані вектори ознак. Записи було поділено на три групи по 252 учасники в кожній (загалом N = 756). Для оцінювання нормальності, окрім графічного аналізу, застосовували тест Шапіро—Вілка і тест Колмогорова—Смирнова. Залежно від умов використовували параметричні (t-критерій Стьюдента) або непараметричні (U-критерій Манна—Вітні) методи оцінки. Для оцінювання відмінностей між групами застосовували омнібусний критерій Краскела—Волліса. У класифікаційних експериментах використовували двошарові нейронні мережі, при цьому 10% даних відводили на тестування. Результати. Унаслідок застосування запропонованого методу виявлено статистично значущі відмінності між трьома групами сигналів за результатами обробки аудіофайлів, отриманими з PSD та MFCC. Використання вибраних параметричних тестів, рангових методів і умовних непараметричних порівнянь було обґрунтованим через ненормальний розподіл результатів на рівні окремих файлів для обох сімейств ознак у межах застосованої схеми тестування. Як показано в матрицях відповідності дослідження для входів PSD та MFCC, нейронна мережа на основі інженерних ознак формувала класифікацію, узгоджену з висновками, отриманими зі спектральних і кепстральних узагальнень. Висновки. Запропонований метод є внутрішньо узгодженим у межах проведеної статистичної рамки аналізу для тригрупового дизайну та демонструє здатність диференціювати проаналізовані акустичні контексти. Крім того, він забезпечує просту реалізацію в межах концепції портативного вимірювання та вищу швидкість аналізу порівняно з ручним переглядом осцилограм. Додатково інтеграція аудіодескрипторів із формальним тестуванням гіпотез і навченими моделями створює надійну практичну основу для подальшої перевірки на незалежних когортах і розроблення апаратних прототипів.

Ключові слова

#ПТСР #акустика навколишнього середовища #MFCC #спектральна густина потужності #непараметрична статистика #нейронна мережа #машинне навчання

Посилання

  1. T. F. Quatieri, “An Emotion-Driven Vocal Biomarker-Based PTSD Screening Tool”, IEEE Open Journal of Engineering in Medicine and Biology, vol. 5, pp. 621–626, Jan. 2024. doi: 10.1109/OJEMB.2023.3284798.
  2. B. J. de Jesus, M. K. S. Lopes, L. Perreault, M.-C. Roberge, A. A. Oliveira, and T. H. Falk, “Instrumenting a Virtual Reality Headset to Monitor Changes in Electroencephalograms of PTSD Patients During Multisensory Immersion”, IEEE Journal of Selected Areas in Sensors, vol. 2, pp. 150–161, Jan. 2025. doi: 10.1109/JSAS.2025.3554131.
  3. M. N. Shahzad, H. Ali, T. Saba, A. Rehman, H. Kolivand, and S. A. Bahaj, “Identifying Patients With PTSD Utilizing Resting-State fMRI Data and Neural Network Approach”, IEEE Access, vol. 9, pp. 107941–107954, Jan. 2021. doi: 10.1109/ACCESS.2021.3098453
  4. K. Kaur, A. Asnaani, H. C. Levy, M. L. Miller, D. F. Tolin, and C. P. McLean, “Moving beyond symptom reduction: A meta‐analysis on the effect of exposure therapy for PTSD on quality of life”, Journal of Clinical Psychology, vol. 80, no. 10, pp. 2134–2146, Jun. 2024. doi: 10.1002/jclp.23727
  5. Post-traumatic stress disorder. Accessed: Apr. 25, 2026. [Online]. Available: https://www.who.int/news-room/fact-sheets/detail/post-traumatic-stress-disorder
  6. Ukraine Conflict Monitor | ACLED’. Accessed: Apr. 25, 2026. [Online]. Available: https://acleddata.com/monitor/ukraine-conflict-monitor
  7. Ukraine: Situation Report, August 2025 [EN/UK] | OCHA’. Accessed: Apr. 25, 2026. [Online]. Available: https://www.unocha.org/publications/report/ukraine/ukraine-situation-report-august-2025
  8. Protection of Civilians in Armed Conflict — March 2026. Accessed: Apr. 25, 2026. [Online]. Available: https://ukraine.ohchr.org/en/Protection-of-Civilians-in-Armed-Conflict-March-2026
  9. O. Lushchak, M. Velykodna, S. Bolman, O. Strilbytska, V. Berezovskyi, and K. B. Storey, “Prevalence of stress, anxiety, and symptoms of post-traumatic stress disorder among Ukrainians after the first year of Russian invasion: a nationwide cross-sectional study”, The Lancet Regional Health - Europe, vol. 36, p. 100773, Jan. 2024. doi: 10.1016/j.lanepe.2023.100773.
  10. I. Pinchuk, Y. Yachnik, R. Goto, and N. Skokauskas, “Mental health services during the war in Ukraine: 2-years follow up study”, International Journal of Mental Health Systems, vol. 19, no. 1, Mar. 2025. doi: 10.1186/s13033-025-00667-9.
  11. K. J. Ressler, “Post-traumatic stress disorder: clinical and translational neuroscience from cells to circuits”, Nature Reviews Neurology, vol. 18, no. 5, pp. 273–288, Mar. 2022. doi: 10.1038/s41582-022-00635-8.
  12. R. E. Kaul, “Mary Beth Williams and Soili Poijula. The PTSD Workbook: Simple, Effective Techniques for Overcoming Traumatic Stress Symptoms. Oakland, CA: New Harbinger Publications, Inc., 2002. 237 pp. ISBN 1‐57224‐282‐5, $17.95 (paper)”, Brief Treatment and Crisis Intervention, vol. 2, no. 4, pp. 373–376, Dec. 2002. doi: 10.1093/brief-treatment/2.4.373.
  13. O. E. Omopo, “Exploring Post-Traumatic Stress Disorder: Causes, Diagnostic Criteria, and Treatment Options”, International Journal of Academic Information Systems Research (IJAISR), vol. 8, no. 7, pp. 35–44, Jan. 2024. URL: http://ijeais.org/wp-content/uploads/2024/7/IJAISR240705.pdf
  14. A. P. Siddaway, “Flashbacks uniquely characterise post-traumatic stress disorder: distinguishing flashbacks from other psychological processes and phenomena”, BJPsych Advances, vol. 32, no. 3, pp. 207–208, Feb. 2025. doi: 10.1192/bja.2025.3.
  15. J. D. Bremner, “Traumatic stress: effects on the brain”, Dialogues in Clinical Neuroscience, vol. 8, no. 4, pp. 445–461, Dec. 2006. doi: 10.31887/DCNS.2006.8.4/jbremner.
  16. K. A. Glad, T. K. Jensen, G. S. Hafstad, and G. Dyb, “Posttraumatic stress disorder and exposure to trauma reminders after a terrorist attack”, Journal of Trauma & Dissociation, vol. 17, no. 4, pp. 435–447, Dec. 2015., doi: 10.1080/15299732.2015.1126777.
  17. Y. Li, “Predicting PTSD symptoms in firefighters using a fear-potentiated startle paradigm and machine learning”, Journal of Affective Disorders, vol. 319, pp. 294–299, Dec. 2022. doi: 10.1016/j.jad.2022.09.094.
  18. D. Kozarić-Kovačić, A. Jambrošić-Sakoman, and T. Jovanovic, “Startle reactivity in acute stress disorder and posttraumatic stress disorder”., Stud Health Technol Inform, vol. 167, pp. 194–198, Jan. 2011. PMID: 21685666. doi: 10.3233/978-1-60750-766-6-194
  19. C. Eichfeld, “Trauma Stabilisation as a Sole Treatment Intervention for Post-Traumatic Stress Disorder in Southeast Asia”, Psychiatric Quarterly, vol. 90, no. 1, pp. 63–88, Sep. 2018. doi: 10.1007/s11126-018-9598-z.
  20. C. L. Badour, D. M. Blonigen, M. T. Boden, M. T. Feldner, and M. O. Bonn-Miller, “A longitudinal test of the bi-directional relations between avoidance coping and PTSD severity during and after PTSD treatment”, Behaviour Research and Therapy, vol. 50, no. 10, pp. 610–616, Oct. 2012. doi: 10.1016/j.brat.2012.06.006.
  21. ‘Microphone Amplifier with AGC and Low-Noise Microphone Bias’, https://cdn-shop.adafruit.com/ .
  22. ‘The Internet of Things with ESP32’. Accessed: Apr. 25, 2026. [Online]. Available: http://esp32.net/
  23. D. V. Pareniuk, “Frequency measurement using non-specialized commercial hardware and software [Chastotometriya iz vykorystannyam nespetsializovanoho komertsiynoho aparatnoho ta prohramnoho zabezpechennya]”, in Proceedings of XV International Scientific and Practical Conference, Berlin, Germany, 2022, pp. 157–162. URL: https://sci-conf.com.ua/xv-mizhnarodna-naukovo-praktichna-konferentsiya-modern-scientific-research-achievements-innovations-and-development-prospects-14-16-08-2022-berlin-nimechchina-arhiv/
  24. ‘Power Spectral Density’. Accessed: Apr. 25, 2026. [Online]. Available: https://www.probabilitycourse.com/chapter10/10_2_1_power_spectral_density.php
  25. A. V. Pareniuk and D. V. Pareniuk, “Estimation of Acting Factor in Stress from Motorbike Sounds”, Microsystems, Electronics and Acoustics, vol. 29, no. 2, Jul. 2024. doi: 10.20535/2523-4455.mea.303514.
  26. A. V. Pareniuk, D. V. Pareniuk, and K. L. Rudenka, “Graphical Method of Effectively Estimation of Hearing Organ Rehabilitation”, Microsystems, Electronics and Acoustics, vol. 30, no. 3, Dec. 2025. doi: 10.20535/2523-4455.mea.340703.
  27. D. G. Altman and J. M. Bland, “Parametric v non-parametric methods for data analysis”, BMJ, vol. 338, no. apr02 1, pp. a3167-a3167, Apr. 2009. doi: 10.1136/bmj.a3167.
  28. P. Sedgwick, “A comparison of parametric and non-parametric statistical tests”, BMJ, vol. 350, no. apr17 1, pp. h2053-h2053, Apr. 2015. doi: 10.1136/bmj.h2053.
  29. A. Nabou, M. driss Laanaoui, M. Ouzzif, and M. A. E. houssaini, 02-Jun.-2021. doi: 10.21203/rs.3.rs-473896/v1.
  30. Causeweb, "Power Comparisons of the Mann-Whitney U and Permutation Tests". [Online]. Available: https://www.causeweb.org/usproc/sites/default/files/usclap/2016/Final Project.pdf
  31. C. Schulte, M. Harrer, C. Sachser, J. Weiss, and A.-C. Zarski, “Internet- and mobile-based psychological interventions for post-traumatic stress symptoms in youth: a systematic review and meta-analysis”, npj Digital Medicine, vol. 7, no. 1, Feb. 2024. doi: 10.1038/s41746-024-01042-7.
  32. C. McLean, C. A. Davis, M. Miller, J. Ruzek, and E. Neri, “The Effects of an Exposure-Based Mobile App on Symptoms of Posttraumatic Stress Disorder in Veterans: Pilot Randomized Controlled Trial”, JMIR mHealth and uHealth, vol. 10, no. 11, p. e38951, Nov. 2022. doi: 10.2196/38951.
  33. M. Bandara, R. Jayasundara, I. Ariyarathne, D. Meedeniya, and C. Perera, ‘Forest Sound Classification Dataset: FSC22’, Sensors, vol. 23, no. 4, p. 2032, Jan. 2023, doi: 10.3390/s23042032.
  34. C. V. F. Pereira, E. M. de Oliveira, and A. D. de Souza, “Machine Learning Applied to Edge Computing and Wearable Devices for Healthcare: Systematic Mapping of the Literature”, Sensors, vol. 24, no. 19, p. 6322, Sep. 2024. doi: 10.3390/s24196322.

Ліцензія

CCBY-SA 4.0
Creative Commons Із зазначенням авторства 4.0 Міжнародна

Ця робота має відкриту ліцензію: вільно поширюйте та адаптуйте її, посилаючись на авторів і журнал. Умови ліцензії ↗

Авторське право (c) 2026 Анастасія Володимирівна Паренюк, PhD Дмитро Володимирович Паренюк, PhD, дослідник Катерина Л. Руденька (Автор)

§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.
Усі випуски

Експериментальне дослідження частотних характеристик MEMS-мікрофонів для моніторингу залізничного шуму

Віталій Р. Прус, канд. техн. наук, доц. Олексій Вікторович Богданов

Анотація – У статті представлені результати експериментального дослідження акустичних характеристик модульних MEMS-мікрофонів INMP441 та SPH0645 з метою їх застосування…

#акустичний моніторинг #MEMS-мікрофон #амплітудно-частотна характеристика #діаграма спрямованості
с. 359669.1-359669.6
10.20535/2523-4455.mea.359669

Двостороння система попередження учасників дорожнього руху на базі мікроконтролера ESP32

Ірина Брика, Наталія Юріївна Філіпова

У цій роботі розглядається завдання підвищення безпеки дорожнього руху шляхом розробки двонаправленої системи попередження учасників дорожнього руху. Запропонована…

#безпека дорожнього руху #двостороннє оповіщення #сенсорне злиття #імітаційне моделювання
с. 354779.1-354779.10
10.20535/2523-4455.mea.354779

Акустична локалізація повітряних об’єктів та практична оцінка її точності

д-р техн. наук, проф. Сергій Анатолійович Найда, д-р техн. наук, доц. Олександр Іванович Дрозденко, канд. техн. наук, доц. Павло Васильович Попович, PhD, Assoc. Prof. Kateryna Serhiivna Drozdenko, канд. техн. наук Олександр Ігорович Нижник, канд. техн. наук Ярослав Іванович Старовойт

Через активне використання повітряних об’єктів виникає потреба в пасивних засобах їх виявлення. У роботі проведено експериментальне дослідження автоматизованого…

#обробка акустичних сигналів #локалізація джерела звуку #мікрофонні масиви #формування променю
с. 359830.1-359830.7
10.20535/2523-4455.mea.359830

Статті цього автора (цих авторів), які найбільше читають

Схожі статті

1-10 з 69

Ви також можете розпочати розширений пошук схожих статей для цієї статті.