机器学习模型用于复制主观感觉,并减轻发育障碍患者的声音引起的压力
Itsuki Ichikawa1, Yukie Nagai2,3, Yasuo Kuniyoshi2,3,4
1Developmental Disorders Section, Department of Rehabilitation for Brain Functions, Research Institute of National Rehabilitation Center for Persons with Disabilities, Saitama, Japan.
Frontiers in psychiatry
|March 31, 2025
概括
深度神经网络模型可以预测和减少声音诱导的压力,对于发展障碍的个体经历听觉过敏. 这些模型为个性化听力支持系统提供了基础.
科学领域:
- 神经科学是一个神经科学.
- 计算审计处理计算审计处理
- 人工智能的人工智能
背景情况:
- 听觉过敏是发育障碍患者的常见挑战,导致严重的痛苦.
- 现有的支持系统缺乏针对听觉过敏的个性化.
研究的目的:
- 开发深度神经网络 (DNN) 模型来量化听觉过敏和确定减轻压力的声音修改.
- 为个性化听力支持系统奠定基础.
主要方法:
- 训练有素的DNN模型基于自闭症谱系障碍/注意力缺陷多动症障碍 (DD) 和典型发育 (TD) 个体的数据.
- 模型预测了在回忆和缓解任务中对声音刺激的压力评级和最佳听觉过器设置.
主要成果:
- 与回忆任务相比,缓解任务显示了显著的压力减轻.
- 在预测压力等级方面,DNN模型取得了中等准确性 (0.4-0.7相关性).
- 当单独分析DD和TD组与组合数据时,模型性能有所不同.
结论:
- 缓解任务模型显示了自动化声音减压系统的潜力.
- 记忆任务模型可以作为一个听觉压力评估工具.
- 进一步收集数据,特别是来自发育障碍患者的数据,对于强大的支持系统至关重要.


