在耳植入物结果中对机器学习方法的系统审查
Anu Prasad Sreenivasan Nair1, Srikanta K Mishra2, Pedro Andres Alba Diaz1
1Department of Speech Language & Hearing Sciences, University of Texas, Austin, TX, USA.
NPJ digital medicine
|July 5, 2025
概括
机器学习 (ML) 使用成像和神经数据准确预测耳植入物 (CI) 的结果. 将ML集成到CI编程中可以个性化为听力损伤提供护理.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 耳植入物 (CIs) 已显著改善了超过一百万个人的听力.
- 预测CI结果对于优化患者护理和设备编程至关重要.
研究的目的:
- 系统地审查机器学习 (ML) 应用程序,以预测耳植入物 (CI) 的结果.
- 识别基于ML的CI结果预测中的当前趋势,成功和局限性.
主要方法:
- 系统的文献搜索确定了20项相关研究.
- 分析利用成像,神经功能和临床/听力学数据的研究.
- 对在杂环境中语音增强的ML算法的审查.
主要成果:
- 基于成像的ML模型在预测语音和语言结果方面显示出高准确度.
- 神经功能测量提供了可行的听觉神经评估.
- ML算法显示了改善CI用户在噪音中的语音识别的潜力.
结论:
- 在预测CI结果和增强语音处理方面,ML显示出显著的前景.
- 在将ML模型直接集成到CI编程中以实现个性化护理方面存在差距.
- 未来的研究应该专注于开发可部署的ML解决方案,用于CI信号处理和编程.
