实现耳植入物的个性化和优化安装

科学领域:

• 神经技术的神经技术
• 听觉神经科学 听觉神经科学
• 生物医学工程 生物医学工程

背景情况:

• 耳植入物 (CI) 通过电刺激听觉神经来恢复感官神经听力损失的听力.
• 目前的CI配件依赖于主观的,时间有限的临床数据,导致语音识别在用户之间存在显著的变化.
• 导致变化的主要因素包括听觉系统功能障碍,电极神经激活的选择性,以及缺乏客观的感知测量.

研究的目的:

• 为了解决耳植入物使用者语音识别中的不明原因变异性.
• 通过客观,患者特定的数据,提出个性化CI设备安装的新方法.
• 开发基于听觉系统特征的机器学习算法,用于基于听觉系统特征的个性化CI配件.

主要方法:

• 提出一系列实验来收集定量,可重复和可靠的数据.
• 描述了三个关键的处理水平:听觉系统功能障碍,电极到听觉神经 (EL-AN) 激活选择性以及感知结果.
• 使用机器学习算法来分析收集的数据,以实现个性化的配件.

主要成果:

• 拟议的方法旨在收集CI用户处理的三个关键级别的全面客观数据.
• 机器学习将用于推导个性化的用户特征并预测感知效应.
• 预计这种方法将提高CI配件的准确性和可靠性.

结论:

• 个性化CI适配需要客观的,患者特定的数据,包括听觉系统功能,EL-AN选择性和感知度.
• 拟议的实验框架和机器学习方法为优化CI性能提供了一条道路.
• 这项研究有可能显著减少语音识别的变化,并提高CI用户的结果.