Acoustic Parameters for the Early Detection and Differential Diagnosis of Pathologic Voice.

Wang, Soo Geun; Baek, Moo Jin; Yang, Byong Gon; Jo, Cheol Woo; Park, Hyun Min; Kweon, Soon Bok; Kim, Tae Seop; Hong, Hyun Seok

Korean Journal of Otorhinolaryngology-Head and Neck Surgery > Volume 42(12); 1999 > Article

Original Article

Korean Journal of Otorhinolaryngology-Head and Neck Surgery 1999;42(12): 1561-1567.

Acoustic Parameters for the Early Detection and Differential Diagnosis of Pathologic Voice.

Soo Geun Wang, Moo Jin Baek, Byong Gon Yang, Cheol Woo Jo, Hyun Min Park, Soon Bok Kweon, Tae Seop Kim, Hyun Seok Hong

¹Department of Otolaryngology, College of Medicine, Pusan National University, Puasn, Korea. wangsg@pusan.hywon.cc.ac.kr
²Department of Otolaryngology, College of Medicine, Inje University, Pusan Paik Hospital, Pusan, Korea.
³Department of English-Language and Literature, College of Humanistics, Dong-Eui University, Pusan, Korea.
⁴Department of Control & Instrumentation Engineering, Changwon National University, Changwon, Korea.

병적음성의 감별진단을 위한 음향학적 변수

왕수건¹ · 백무진² · 양병곤³ · 조철우⁴ · 박현민¹ · 권순복¹ · 김태섭² · 홍현석²

부산대학교 의과대학 이비인후과학교실1;인제대학교 의과대학 부산백병원 이비인후과학교실2;동의대학교 인문대학 영어영문학과3;창원대학교 공과대학 제어계측공학과4;

주제어: 음향학적 변수ㆍ후두질환ㆍ조기 및 감별진단.

ABSTRACT

BACKGROUND AND OBJECTIVES:
The survival rate of laryngeal cancer has improved in recent day. But in case of advanced cancer, radical destructive surgery is required for survival. So early detection of laryngeal cancer prevent from this disastrous condition. In this point of view, mass screening test for early detection of laryngeal cancer is necessary. Screening tests using voice has many advantages of being simple, non invasive, and requiring less space. In this system, the most important factor is the selection of acoustic parameters to be used in voice analysis. Thus authors studied the acoustic parameters that can differentiate normal, benign, malignant laryngeal diseases by an acoustic analyzing system and we also checked the availability of parameters.
MATERIALS AND METHODS:
We evaluated the voice analyzed data from 25 laryngeal malignancy patients, 33 benign laryngeal disease patients, 35 normal control who visited PNUH otolaryngology department from October 1996 to May 1998. A computerized speech lab. 4300B (CSL) was used to carry out the analysis of each voice sample and statistical analysis, ANOVA. Canonical analysis and cumulative frequency curve were used.
RESULTS:
The statistically significant parameters that can differentiate normal and malignant laryngeal disease groups were 15 parameters and can differentiate normal and benign laryngeal disease group were 9 parameters and that can differentiate benign and malignant laryngeal disease group were 7 parameters.
CONCLUSION:
We consider that these parameters and detection programs may be effective in development of a screening system using voice only. Developing diagnostic tools and programs would need further study of phonetics and voice engineering.

Keywords: Pathologic voiceㆍAcoustic parametersㆍScreening test

서론 후두악성종양은 최근 치료법의 발전으로 5년 생존율이 70% 정도에 이르지만, 진행된 암의 경우 후두의 광범위 절제 혹은 전 절제가 불가피하고 이로 인한 환자의 삶의 질에 많은 장애를 초래한다. 따라서 후두암의 조기 진단은 생존율의 향상은 물론이고 후두 기능을 보존할 수 있어 후두암의 치료에 있어 가장 중요한 요소이다.1) 후두암을 조기에 발견할 수 있는 집단 선별 검사(mass screening test)에 대한 필요성은 인식되어지고 있지만 임상에서 활용할 수 있는 시스템 및 기기의 개발은 거의 이루어지지 않고 있다. 각종 후두 질환에서 가장 흔하고 초기에 나타나는 증상이 음성의 변화이기 때문에 음성을 이용하여 후두 병변을 진단하는 선별검사의 개발 가능성을 제시하였다.1) 음성을 이용한 검사법은 비침습적이고, 신속 간편하며, 피검자의 음성은 각종 매체를 이용하여 쉽게 전달할 수 있으므로 다수를 대상으로 하는 원격 진료 및 집단 검진2)을 위한 시스템에 효과적으로 이용될 수 있는 장점이 있다. 이런 검사법의 개발에 가장 중요한 요소는 후두의 상태를 잘 반영할 수 있는 음향학적인 변수를 구하는 것인데, 많은 연구자들이 후두의 병변과 연관된 음향학적 변수와 음성변화의 기전에 관해 연구를 하였다. 음향학적 변수에 대한 연구가 진행되면서 1977년 Koike 등,3) 1987년 Mashima 등1)이 몇 가지 변수를 조합하여 후두 질환을 진단할 수 있는 선별 검사를 개발하기 위하여 예비 연구를 발표하였다. 그러나 과거의 연구가 음향분석기기의 미발달로 음향 분석이 어려웠으며, 정성적 비교에 의존하였고, 임상에 적용할 수 있는 소프트웨어나 진단 기기의 개발에 관한 연구가 진행되지 않아 실제 임상에 실용화되지 못하였다. 이런 문제점을 해결하기 위해서는 병적 음성에 대한 음성 의학적인 차원에서의 병적 음성의 수집, 진단 및 분류와 이를 토대로 검사에 필요한 어음의 선택 및 분석을 위한 음성학적 연구와 더불어 이를 활용화 할 수 있는 프로그램 및 진단기기의 개발을 위해서는 음성 공학적 연구가 동반되어야만 가능할 것으로 생각되어 타과와 공동 연구를 하였다. 컴퓨터 음향 분석 시스템을 이용한 후두 질환의 감별이라는 연구의 한 부분으로서, 진단 시스템의 개발에 필수적인 부분인 음향학적 변수에 관한 것이며 음향 분석과 통계학적 분석에 의해 정상, 양성, 악성후두질환을 감별할 수 있는 음향학적 변수를 구하고 아울러 이들 변수를 토대로 향후 개발될 진단 시스템에 이들 변수들의 유용성을 알아보고자 본 연구를 시행하였다. 대상 및 방법 대상 악성후두질환군은 1996년 10월부터 98년 5월까지 부산대학교병원 이비인후과에 방문하여 후두조직검사상 편평상피세포암으로 확진된 환자 중 음성 검사가 가능하였던 25명을 대상으로 하였으며, 이들의 원발 부위에 따른 분포는 성문암이 21예, 성문상부암이 3예, 경성문암이 1예였고, 병기별로는 T 1b 10예, T2 4예, T3 5예, T4 3예였다(Table 2). 양성후두질환군은 97년 10월부터 98년 5월까지 애성을 주소로 본원을 내원한 환자 중 조직검사상 양성후두질환으로 확인된 33명을 대상으로 하였으며, 질환별 분포는 성대 결절 3예, 용종 27예, 성대구 1예, 낭종1예, 후두염 1예였고 성대마비 환자는 제외하였다(Table 3). 정상 대조군으로 조음이 정상이며 후두 병변이 없고 정상 발성이 가능한 성인 남자 29명, 여자 6명으로 총 35명을 대상으로 하였다(Table 4). 방법 음성 검사는 방음실에서 편안한 자세로 앉게 한 후 마이크 앞에서 15 cm 거리를 두고 가능한 평상시와 같은 높이와 크기로 3초간 /우/, /오/, /아/, /에/, /이/를 발성하도록 하였으며 이를 3회 이상 실시하여 Sony사의 Digital Audiotape Recorder(DAT, DTC-59ESJ, Sony, Japan)에 녹음한 후 질병의 유형별로 분류한 다음 녹음된 음성을 Kay사(Kay Elemetrics Corp. USA)의 Computerized Speech Lab 4300B(CSL)기종의 음성 분석 소프트웨어인 Multi-Dimensional Voice Program(MDVP)을 이용하여 총 33개의 변수(Table 1에 약자에 대한 설명이 있음)에 대해 분석을 시행하여 각 질환군별 변수의 특성을 추출하였다. 분석된 각 음성을 악성후두질환군, 양성후두질환군, 정상군의 3군으로 분류하여 Macintosh(LC 475 기종)의 통계 프로그램인 STATVIEW의 ANOVA(Fisher's PLSD)를 이용하여 변수들의 평균값과 표준편차를 구하고 이를 정상군과 악성후두질환군, 악성후두질환군과 양성후두질환군, 양성후두질환군과 정상군 간에 평균값의 차이를 비교하여, p 값이 0.001이하인 변수만을 선택하였다. 선택된 변수들 중 각 질환군을 감별할 수 있는 기준치는 누적도수곡선(cumulative frequency curve)에 의해 정하였으며, 이 방법에 의한 감별률이 낮은(60% 미만)변수는 통계학적으로 유의성이 있어도 채택하지 않았다. 이 변수들이 각 군을 감별할 수 있는 통계학적 예측 정도를 정준분석법 (canonical analysis)에 검증하였고, 선택된 변수와 각각의 기준치를 조합하여 저자들이 고안한 진단 기준에 실제 음성을 적용하여 나온 예측 질환과 실제 환자를 비교 후 이 기준에 의한 질환 예측 정도가 어느 정도인지 분석하였다. 결과 1) 정상과 악성후두질환군의 감별에 유의한 변수는 PFR, Jitt, RAP, PPQ, vFo, ShdB, Shim, sAPQ, sPPQ, FTRI 등 11개 변수였으나(p<0.001), vAm은 정상과 악성을 감별하기 위한 기준치를 18.36으로 하였을 때 감별률이 37% 정도라서 제외하였다(Table 5). 누적도수곡선상 두 군간의 감별이 80% 이상의 가능성을 보이는 변수인 APQ, Fftr, Jita, NHR, STD 등 5개 변수(Table 6)를 포함하여 전체 15개 변수가 감별에 유의한 변수로 나타났으며 이를 정준분석한 결과 정상을 정상으로, 악성을 악성으로 진단할 확률은 각각 100%, 84.6%였고, 정상을 악성으로, 악성을 정상으로 진단할 확률은 각각 0%, 15.4%였다. 2) 정상과 양성후두질환군 사이의 감별에 통계학적으로 유의한 변수는 Shim, ShdB, vAm, SPI 등 4개 변수였으나(Table 6), 누적도수곡선에 의한 기준치 설정 후 감별률이 60% 미만인 변수 vAm, SPI를 제외하고 누적도수곡선에서 감별률이 60% 이상인 변수 APQ, ATRI, Jita, PFR, PPQ, sPPQ, STD 등 7개(Table 8)를 추가한 9개 변수가 유의한 변수였다. 이들 변수를 정준분석한 결과 정상을 정상으로 양성을 양성으로 진단할 확률이 각각 100%, 83.3%였고, 정상을 양성으로 양성을 정상으로 진단할 확률은 각각 0%, 16.7%였다. 3) 양성후두질환군과 악성후두질환군간의 감별에 통계학적으로 유의한 변수는 RAP, Jitt, sPPQ(Table 9)와 누적도수곡선에 의한 유의한 변수 4가지(Table 10)를 추가하여 RAP, Jitt, sPPQ, ATRI, FTRI, NHR, VTI 등 7개 였다. 이들을 정준분석한 결과 양성을 양성으로, 악성을 악성으로 진단할 확률이 각각 88.2%, 81.8%였고, 양성을 악성으로 악성을 양성으로 진단할 확률은 각각 11.8%, 18.2%였다. 4) 이들 변수를 조합하여 각 질환군을 감별하기 위한 진단 기준을 만들었다. 단계 1(step 1)은 15개 변수 중 기준치를 넘는 변수가 13개 이상인 경우를 (＋)로 하였고, 이를 악성후두질환으로 판정하였으며, (-)인 경우는 정상으로 판정하였다. 사용된 15개의 변수는 PFR(3), Jitt(2.12), RAP(1.28), PPQ(0.94), vFo(2.88), ShdB(0.51), Shim(5.26), sAPQ(6.03), sPPQ(1.20), FTRI(0.79), APQ(3.63), Fftr(7.02), Jita(97.06), NHR(0.15), STD(0.79)이고 괄호 안의 수치는 기준치이다. 단계 2는 선정한 9개의 변수 중 기준치를 넘는 변수가 7개 이상인 경우를 (＋)로 하였고 이를 양성후두질환으로 판정하였다. 사용된 9개의 변수는 ShdB(0.51), Shim(5.26), APQ(3.63), ATRI(3.50), Jita(97.06), PFR(3), PPQ(0.94), sPPQ(1.20), STD(3.61)이고 괄호 안의 수치는 기준치이다. 단계 3은 선정한 7개의 변수 중 기준치를 넘는 변수가 5개 이상인 경우를 (＋)로 하였고 이를 악성후두질환으로 판정하였으며, (-)인 경우는 양성후두질환으로 판정하였다. 사용된 변수는 RAP(3.14), Jitt(5.08), sPPQ(2.15), ATRI(6.03), FTRI(1.0), NHR(0.22), VTI(0.11)이고 괄호 안의 수치는 기준치이다. 5) 이들 각 단계를 조합하여 저자들이 고안한 진단 절차에 실제 음성을 무작위로 적용하여 검사한 결과 단계 1(step 1)에 (＋)이고 단계 3에 (＋)인 음성의 경우 악성후두질환일 가능성이 87.5%, 양성후두질환일 가능성이 12.5 %로 나왔으며, 단계 1에 (-)이고, 단계 2에 (-)인 음성의 경우 정상일 가능성이 76.4%, 양성후두질환일 가능성이 18.6%, 악성후두질환군일 가능성이 5%로 나왔고, 단계 3에 (-)이면서 단계 2에 (＋)인 음성은 양성후두질환일 가능성이 52%, 악성후두질환일 가능성이 48%였다(Fig. 1). 고찰 음성이 후두 질환의 조기 및 감별 진단에 이용될 수 있다는 가능성으로 다수의 연구자에 의해 병적 음성에 대한 연구가 활발히 진행되었다. 초기의 연구들은 주로 병적 음성을 청각학적인 방법으로 분류하고4) 이를 특정 후두 질환과 연관지어 분류를 하고자 하였다.5)6) 그러나 이는 다소 주관적인 경향이 있었고, 검사자의 용어 및 개념에 따라 진단에 차이를 보였다. 이러한 문제점은 음향 분석장비의 발달로 많이 극복할 수 있게 되었는데 변수들을 통하여 음성을 보다 객관적이고 정량화할 수 있어 음성 검사에서 음향분석은 중요한 부분을 차지하게 되었다. 저자들이 사용한 음향분석기기인 CSL의 Multidimensional voice program의 파라미터는 크게 4가지의 범주, 33개의 파라미터(Table 1)를 추출하도록 프로그램 되어 있고,7) 임상에서 음성 분석에 많이 사용되고 있어 이를 이용한 분석 자료로써 진단에 필요한 프로그램을 만들고자 하였다. 음성의 음향학적 특징을 이용한 진단법 개발에 가장 중요한 것은 후두의 병적 혹은 생리적 상태를 잘 반영할 수 있는 음향학적 변수를 선택하는 것이다. 1967년 Yanagihara,8) 1982년 Yumoto 등,9) 1984년 Hiraoka 등,10) 1986년 Kasuya 등11) 이 병적 음성의 잡음성분을 이용하여 후두질환을 감별하고자 하였고, 1970년 Iwata 등12)은 발성지수(phonation Quotient)를 이용하여 각 후두 질환별 기준치를 제시하여 이를 후두 질환의 감별에 이용하려고 하였으며, 1972년 Iwata13)는 정상인과 후두질환군에서 주기 떨림(pitch perturbation)의 연속적인 상관 계수를 구하여 이를 도식화(correlogram)한 후 나타나는 특징적인 모양으로 후두 질환을 감별하고자 하였다. 음성의 떨림(perturbation)을 객관적으로 측정하기 위해 1980년 Horii14)는 음성 지터와 쉼머를 이용하였으며, 1989년 Klingholz 등15)은 병적 음성에서 강도(amplitude)의 분포가 후두 기능을 잘 반영한다고 하였고, 1990년 Pinto 등16)은 기존의 연구자들이 사용하던 음성신호에서의 떨림(기본 주기 및 강도)에 대한 정의 및 측정상의 문제에 대한 규격화되고 표준화된 측정법을 발표하였다. 본 연구에서 이용한 변수는 ANOVA를 이용한 통계학적 방법으로 선택한 것으로 정상과 악성후두질환의 감별에 유의한 15개의 변수중 기본 주기의 불규칙성과 연관된 변수(Jitt, RAP, PPQ, vFo, sPPQ, Jita)가 6개로 가장 많았고 진폭의 동요와 연관된 변수(ShdB, Shim, sAPQ, APQ)가 4개, 기타 소음과 연관된 변수 등이 선택되었다. 정상과 양성후두질환 감별을 위한 변수 11개 중 기본 주기의 불규칙성에 관한 변수(Jita, PPQ, sPPQ)와 진폭의 동요와 연관된 변수(Shim, ShdB, APQ)가 각각 3개로 가장 많았다. 이는 기존의 병적 음성의 평가에 있어 많이 사용되는 기본 주기 및 진폭의 변화와 잡음성분의 측정에 관한 변수가 중요하다는 것을 보여주는 것으로 생각된다. 양성과 악성후두질환의 감별에 유의한 변수 7개 중 기본 주기의 동요에 관한 변수(Jitt, RAP, Jitt, sPPQ)가 4개로 가장 많아 이들의 감별에는 진폭의 변화에 관한 변수가 큰 역할을 하지 않는 것으로 나타났다. 정상과 병적인 상태는 성대의 진동에 많은 차이가 나타나기 때문에 음성에도 차이가 있고 이를 감별하기 위한 변수도 종류가 많아진 것으로 생각되며 양성과 악성후두질환의 경우 음성에 영향을 주는 성대 운동의 불규칙성이 종물의 크기와 많은 연관성이 있기 때문에 성대진동의 규칙성에는 차이가 있어도 진폭의 강도는 큰 차이가 없는 것으로 생각되며 이들을 감별하기 위한 변수도 제한적인 것으로 생각되었다. 특정 변수 몇 개를 조합하여 후두 질환을 감별하려는 시도는 1977년 Koike 등3)이 기본주파수와 음성 강도의 떨림을 이용하였으며 이를 각 질환별로 도식화하여 분포하는 곡선의 공식을 구하여 이를 이용한 각 질환의 특징으로 감별하기 위한 연구를 발표하였다. 1986년 Kasuya 등11)은 병적 음성의 감별 진단에 normalized noise energy(NNE)가 효과적이라고 보고하였고, 음성 샘플을 통한 실험에서 특히 성문암, 성대마비, 성대 결절의 진단에 유용하다고 하였으며, 1987년 Mashima 등1)은 여기에 주기 및 강도의 떨림(pitch period, peak amplitude perturbation)에 관한 변수를 추가하여 후두암의 음향학적 선별 검사에 관한 연구를 보고하면서 잡음 에너지(noise energy)가 떨림보다 더 효과적인 변수이지만, 이들을 같이 사용하는 것이 감별률을 높인다고 하였다. 그러나 Koike 등3)은 비록 이러한 연구들이 몇몇 음향학적 변수의 개발에 상당한 기여를 하였지만 기본적인 기전은 아직 충분히 밝혀지지 않고 있어 자료의 수집 및 연구가 필요하다고 하였으며, 특히 후두의 병적인 상태와 관련된 많은 다른 음향학적 변수가 있을 수 있다는 것을 강조하였다. 저자들도 이런 관점에서 관련성이 있다고 생각되어지는 다수의 변수를 채택하게 되었고, 세 군으로 후두의 상태(정상, 양성, 악성)를 분류하였으며 비교하고자하는 군 간의 변수를 구하여 감별진단에 이용하려고 하였다. 이것은 과거 연구에서 시도된 바가 없어 새로운 접근 방법이라 생각되며, 후두의 상태를 더욱 세분하고 질환별 음성자료가 더 모이면 보다 더 의미있는 변수를 구할 수 있을 것으로 생각된다. 선택된 변수를 이용하여 두 군을 구별하기 위한 기준치의 설정은 상당히 어려운 점이 많은데 저자들은 누적도수곡선을 이용하였으며, 비교하고자 하는 두 군의 변수값에 따른 누적도수를 그래프로 그려본 결과 100% 구별이 가능한 기준치를 찾은 경우는 없었다. 이는 악성질환군과 정상군과의 비교에서도 악성군의 변수의 하한치와 정상군의 상한치는 어느 정도의 중첩되는 부분이 발생하기 때문으로 생각되어진다. 본 연구의 결과에서도 악성질환군과 정상군간의 변수의 누적도수곡선에 의한 기준치 설정 후 이를 이용한 구별 가능성은 92~76% 정도였으나, 정상과 양성질환군, 악성과 양성질환군에 있어서는 70~50% 정도로 구별의 가능성이 훨씬 낮았다. 이를 보완하기 위해 컴퓨터의 인공지능 회로망을 이용하여 특정 질환의 음성 데이터 변수값을 입력하여 학습된 컴퓨터 프로그램으로 타 질환과 감별할 수 있는 변수들의 기준치를 자동적으로 찾아가는 시스템의 개발도 아울러 연구 중에 있다. 진단 기준은 각 군을 감별할 수 있는 변수들과 기준치를 이용하였으며 이들을 여러 가지로 조합하여 이미 알고 있는 음성을 무작위로 적용한 후 가장 감별률이 높은 방법을 택하였다. 악성종양군의 감별을 위해서는 정상과 악성종양군을 감별할 수 있는 단계 1(step 1)을 적용한 후 악성이라 나온 음성을 악성과 양성후두질환을 감별하는 단계 3을 거치게 하여 정확도를 높이고자 하였다. 정상 음성을 감별하기 위하여 악성과 정상군을 감별하는 단계 1을 적용한 후 정상과 양성후두질환을 감별하기 위한 단계 2를 거치게 하여 위양성이 나오지 않도록 하였다. 양성과 악성질환의 경우는 세단계(step 1, 2, 3) 전부를 거치게 하였으나 감별률이 저조하여 이의 감별이 어려움을 알 수 있었다. 이 방법에 의한 질환의 감별 가능성은 악성후두질환의 경우 87.5%로 가장 높았고, 제 1, 2병기 암의 경우는 70~80%, 제 3, 4 병기 암의 경우 100% 감별 가능성을 보였으며, Kasuya 등11)의 보고에서도 제 1병기 80%, 제 2, 3, 4병기 암의 경우는 100% 감별할 수 있다고 하여 병기가 높을수록 감별 가능성이 높아짐을 알 수 있었다. 정상군을 감별할 가능성은 76.4 %이나 양성과 악성질환을 감별할 가능성은 약 50%에 그쳐 음성으로만 이를 감별하는 데는 어려움이 많을 것으로 생각되었다(Fig. 1). 그러나 캡스트럼(Cepstrum) 방법과 신경회로망을 이용한 각 후두 질환의 식별을 위한 실험을 Jo 등17)이 시행한 결과에서는 정상과 비정상의 감별에 Jitt-Shim의 변수를 이용한 경우가 94.45%였고, 양성과 악성의 감별에 있어서는 NHR-Jitt를 이용한 경우가 91.67%로 저자들에 비해 상당히 높은 감별률을 보였다. 그러나 악성종양군에 대한 수가 적은 예비 연구적 성격을 띄고 있어 적절한 비교가 어려울 것으로 생각된다. 음성의 음향학적 특성만으로 질병을 진단하는 방법은 음향학적 변수의 선택에 따라 상당한 영향을 받는 것으로 적절한 변수의 선택과 기준치의 선정이 필수적으로, 이를 위해서는 보다 많은 음성자료의 분석과 프로그램 개발이 필요할 것으로 생각된다. 결론 이상의 결과로 상기 변수와 이들의 조합에 의한 방법이 향후 개발될 선별검사법에 유용하며, 이를 위한 실용화할 수 있는 프로그램 개발이 필요할 것으로 사료된다.
REFERENCES
1) Mashima K, Ebihara S, Kasuya H. Acoustic screening for laryngeal cancer. Jpn J Clin Oncol 1987;17:41-7. 2) Yoo TW. The era of telemedicine. J Korean Med Assoc 1997;40:1687-95. 3) Koike Y, Takhashi H, Calcatera TC. Acoustic measurements for detecting laryngeal pathology. Acta Otolaryngol 1977;85:105-17. 4) Isshiki N, Okamura H, Tanabe M, Morimoto M. Differential diagnosis of hoarseness. Folia Phoniatr 1969;21:9-19. 5) Murry T, Singh S, Sargent M. Multidimensional classification of abnormal voice qualities. J Acoust Soc Am 1977;61:1630-5. 6) Hammarberg B, Fritzell B, Gaffin J, Sundberg J, Wedin L. Perceptual and acoustic correlates of abnormal voice quality. Acta Otolaryngol 1980;90:441-51. 7) Operations manual. “Multi-Demensional Voice Program (MDVP)” Model 4305, Kay Elemetrics Corp;1993. 8) Yanagihara N. Significance of harmonic changes and noise components in hoarsness. J Speech Hear Res 1967;10:531-41. 9) Yumoto E, Gould WJ, Baer T. Hormonics-to-noise ratio as an index of the degree of hoarsness. J Acoust Soc Am 1982;71:1544-50. 10) Hiraoka N, Kitazoe Y, Ueta H, Tanaka S, Tanabe M. Harmonic-intensity analysis of normal and hoarse voices. J Acoust Soc Am 1984;76:1684-51. 11) Kasuya H, Ogawa S, Mashima K, Ebihara S. Normalized noise energy as an acoustic measure to evaluate pathologic voice. J Acoust Soc Am 1986;80:1329-34. 12) Iwata S, Leden H. Phonation quotient in patient with laryngeal diseases. Folia phoniatr 1970;22:117-28. 13) Iwata S. Periodicities of pitch perturbations in normal and pathologic larynges. Laryngoscope 1972;82:87-96. 14) Horii Y. Vocal shimmer in sustained phonation. J Speech Hear Res 1980;23:202-9. 15) Klingholz F, Martin F. Distribution of the amplitude in the pathologic voice signal. Folia Phoniatr 1989;41:23-9. 16) Pinto NB, Titze IR. Unification of perturbation measures in speech signals. J Acoust Soc Am 1990;87:1278-88. 17) Jo CW, Wang SG, Yang BG. A study on the diagnosis of laryngeal diseases by acoustic singal analysis. The Korean Journal of Speech Science 1999;5:151-65.