改进的基于机器学习的纯色调听力测量仪的性能和可靠性评估,带有自动化掩盖
Nicolas Wallaert1,2, Antoine Perry2,3, Sandra Quarino1
1Department of Otorhinolaryngology-Head and Neck Surgery Rennes University Hospital Rennes France.
概括
这项研究引入了一种改进的机器学习 (ML) 听力测量方法,用于空气传导纯色音频图. 增强的ML方法在各种听力状态中表现出与手动听力测量相当的准确性,验证了其临床使用.
科学领域:
- 听力学 听力学是指听力学.
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 使用机器学习 (ML) 的自动听力测量显示出希望,但对于特定的听力条件有局限性.
- 现有的ML方法不适合患有不对称,导电性或严重听力损失或耳死区的患者.
研究的目的:
- 为了提高基于ML的听力测量,以获得更广泛的临床应用.
- 为了评估一个改进的ML听力测量方法在一个大,多样化的听众队列中的性能.
主要方法:
- 修改了ML算法,包括安全限制,暂时响应和自动反侧掩盖.
- 对109名参与者进行了改进的ML听力测试与传统和手动听力测试的比较.
主要成果:
- 在测试频率上,手动和改进的ML方法之间听力值没有显著差异.
- 自动改进的ML方法显示没有显著的测试-重新测试变化.
- 跨临床可靠性显示在大多数听力测量频率上存在显著差异.
结论:
- 改进的基于ML的方法已被验证用于成人临床空气导通声学.
- 这种增强的ML方法为传统的听力测量方法提供了可靠的替代方案.
