Thesis:

Parametric Identification methods for the subglottal system

This thesis addresses the problem of mathematical modeling of the subglottal system, motivated by the high rate of affection of voice pathologies in the adult population, supported by the elevated prevalence of documented affections in the literature. Mathematical models serve as cornerstone instruments for advancing medical science and supporting innovative clinical interventions, and utilizing mathematical modeling presents an alternative non-invasive approach that significantly influences the diagnosis and treatment of voice disorders. This work initially presents the results obtained from the bond-graph modeling of the body cover model (BCM), and once the bond-graph modeling is obtained, it is appropriate to derive the Port-Hamiltonian representation of the BCM and then proceed with the estimation of the model parameters and states. In this section, for the state estimation an extended Kalman filter is used, and for the parameters estimation maximum likelihood (ML) is applied. Later, the modeling of the subglottal tract and neck skin properties is presented for its use in the ambulatory assessment of vocal function, by enabling non-invasive monitoring of glottal airflow via a neck surface accelerometer. For the technique to be effective, the development of an accurate building block model for the subglottal tract is required, such a model utilizes glottal volume velocity as the input parameter and yields neck skin acceleration as the corresponding output. In contrast to preceding efforts that employed frequency-domain methods, the present thesis leverages system identification techniques to derive a parsimonious continuous-time model of the subglottal tract using time-domain data samples, and to perform estimation from these time-domain data samples the emphasis lies on the application of Simplified Refined Instrumental Variables for the Continuous-Time Model (SRIVC), obtaining results that indicate the SRIVC algorithm effectively estimates a low-order model, with an order model reduction over 70% compared with previous efforts, achieving a high level of fit.

Esta tesis aborda el problema del modelado matemático del sistema subglótico, motivada por la alta tasa de afectación de las patologías vocales en la población adulta, lo cual se respalda en la elevada prevalencia de afectaciones documentadas en la literatura. Los modelos matemáticos sirven como instrumentos fundamentales para el avance de la ciencia médica y el apoyo a intervenciones clínicas innovadoras, y su utilización presenta un enfoque alternativo no invasivo que influye significativamente en el diagnóstico y tratamiento de los trastornos de la voz. Este trabajo presenta inicialmente los resultados obtenidos del modelado mediante bond graph del Body Cover Model (BCM), y una vez obtenido dicho modelado, es apropiado derivar la representación Port-Hamiltoniana del BCM y luego proceder con la estimación de los parámetros y estados del modelo; en esta sección, para la estimación de estados se utiliza un filtro de Kalman extendido y para la estimación de parámetros se aplica máxima verosimilitud. Posteriormente, se presenta el modelado del tracto subglótico y de las propiedades de la piel del cuello para su uso en la evaluación ambulatoria de la función vocal, permitiendo la monitorización no invasiva del flujo de aire glotal a través de un acelerómetro en la superficie del cuello; para que la técnica sea efectiva, se requiere el desarrollo de un modelo preciso del tracto subglótico que utilice la velocidad de volumen glotal como parámetro de entrada y produzca la aceleración de la piel del cuello como salida correspondiente. En contraste con esfuerzos previos que emplearon métodos en el dominio de la frecuencia, la presente tesis aprovecha técnicas de identificación de sistemas para derivar un modelo continuo en tiempo del tracto subglótico utilizando muestras de datos en el dominio del tiempo, y para realizar la estimación a partir de dichas muestras se aplica el algoritmo de Variables Instrumentales Refinadas Simplificadas para el Modelo en Tiempo Continuo (SRIVC), obteniendo resultados que indican que este estima eficazmente un modelo de bajo orden, con una reducción superior al 70% en comparación con esfuerzos anteriores, alcanzando un alto nivel de ajuste. Adicionalmente, se realiza un examen del orden de los modelos mediante la aplicación de varios criterios de información, y una vez que un modelo de bajo orden se ajusta exitosamente, se utiliza un filtro inverso basado en un suavizador de Kalman para la estimación de la velocidad de volumen glotal y de métricas aerodinámicas relacionadas, constituyendo la ejecución más eficiente de estas estimaciones hasta la fecha.