在耳植入物使用者中,CNN改善了对话语选择性注意的解码
Constantin Jehn1, Adrian Kossmann2, Niki Katerina Vavatzanidis2
1Department of Artificial Intelligence in Biomedical Engineering (AIBE), Friedrich-Alexander-Universitat Erlangen-Nurnberg, Werner-von-Siemensstraße 61, 91052, Erlangen, Erlangen, Bavaria, 91052, GERMANY.
Journal of neural engineering
|May 21, 2025
概括
深度神经网络显著改善了耳植入物用户的听觉注意力解码. 这一进步可以提高听力障碍者在杂环境中的语音理解.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 对于耳植入物 (CI) 用户来说,在噪音中理解语音是一个挑战.
- 听觉注意力解码 (AAD) 使用脑电图 (EEG) 识别目标语音,引导CI设备.
- 深度神经网络 (DNN) 显示出改善正常听力个体的AAD的希望.
研究的目的:
- 评价DNN在双边CI用户中增强AAD的作用.
- 为了建立DNNs作为神经引导CI的最先进的方法.
- 评估CI文物移除对AAD准确度的影响.
主要方法:
- 收集了25个双边CI用户对选择性听觉注意力的EEG数据.
- 实施并比较了AAD.的线性模型和卷积神经网络 (CNN).
- 开发了一种新的CI文物删除策略,并使用支持矢量机 (SVM) 来进行扬声器分类.
主要成果:
- 在决策窗口大小 (1-60s) 中,CNN在AAD中表现优于线性模型.
- 删除CI文物导致CNN解码精度略有改善.
- 美国有线电视新闻网 (CNN) 解码器在60年代窗口的SVM分类下,达到74%的最高人口级准确度.
结论:
- 基于CNN的解码显示了神经引导CI的优越潜力.
- 这项技术可以显著改善CI用户在复杂的听力情况下的语音感知.
- 这些发现支持用于助听器的大脑与计算机接口的发展.
