1. Fractal features for automatic detection of dysarthria / T. Spangler [et al.] // IEEE EMBS International Conference on Biomedical Health Informatics (BHI). Orlando, USA, Feb. 16-19, 2017. P. 437-440.
2. Detection of bulbar ALS using a comprehensive speech assessment battery / Y. Yunusova [et al.] // 8th international workshop Models and analysis of vocal emissions for biomedical applications. Florence, Italy, 16-18 Dec. 2013. P. 217-220.
3. Bulbar and speech motor assessment in ALS: challenges and future directions / J.R. Green [et al.] // Amyotrophic Lateral Sclerosis and Frontotemporal Degeneration. 2013. Vol. 14, № 7-8. P. 494-500.
4. Suitability of dysphonia measurements for telemonitoring of Parkinsons disease / M.A. Little [et al.] // IEEE Transactions on Biomedical Engineering. 2009. Vol. 56, № 4. P. 1015-1022.
5. Меженная М.М., Рушкевич Ю.Н., Борискевич А.А. Частотно-временной анализ речевых сигналов в диагностике бульбарных нарушений // Докл. БГУИР. 2016. № 7 (101). С. 260-264.
6. Михайлов В.Г., Златоустова Л.В. Изменение параметров речи. М.: Радио и связь, 1987. 168 с.
7. Выделение признаков неврологических заболеваний из речевого сигнала / М.И. Вашкевич [и др.] // Труды 20-й междунар. конф. «Цифровая обработка сигналов и ее применение». Москва, 28-30 марта 2018 г. Т. 1. C. 179-184.
8. Киен Т.Ч. Реализация и выбор параметров при использовании алгоритма выравнивания временных масштабов для систем конверсии голоса // Докл. БГУИР. 2008. № 3 (33). С. 96-102.
9. Рылов А.С. Анализ речи в распознающих системах. Минск: Бестринт, 2003. 264 с.