一个由大脑启发的算法改善了"尾酒会"听力,以帮助听力受损的个体

科学领域:

• 听觉神经科学 听觉神经科学
• 信号处理 信号处理
• 听力科学 听力科学

背景情况:

• 选择性倾听在竞争的说话者情况下是很困难的,特别是对于有听力损失的人来说.
• 听力助听器中现有的定向过技术在现实世界中提供了适度的好处,并且在复杂的声学环境中经常失败.
• 提高语音可理解性对于有听力障碍的人的沟通和日常生活参与至关重要.

研究的目的:

• 评估一种新的,生物启发的算法,用于增强感官神经听力损失的成年人的语音可理解性.
• 为了比较新算法的性能与标准的光束形成方法在一个具有挑战性的竞争对手-talker任务.

主要方法:

• 基于听觉系统的层次网络模型开发一种生物启发的算法.
• 利用双耳声音输入驱动神经元群落调整到特定的空间位置和频率.
• 从输出层神经元的尖端反应中重建可听的波形.
• 在竞争式演讲场景中,对有感觉神经听力损失的成年人进行算法的评估.

主要成果:

• 这种生物启发的算法在听力损失的参与者中显示出强大的可理解性增长.
• 该算法在标准光束成形方法被证明无效的条件下取得了成功.
• 观察到语音理解的显著改善,特别是在挑战多个说话者噪音时.

结论:

• 生物启发的算法显示出在复杂的听力环境中帮助有听力损失的个体的巨大潜力.
• 这种方法比目前的技术提供了有希望的进步,可以克服"尾酒会"听力挑战.
• 这些发现支持开发用于助听器的神经启发解决方案.