基于DNN的噪声降低显著改善了可耳性植入物使用者在背景噪声中的双向效益
Courtney Kolberg1, Sarah O Holbert1, Jamie M Bogle1
1Department of Otolaryngology-Head and Neck Surgery, Division of Audiology, Mayo Clinic, Scottsdale, AZ 85259, USA.
Journal of clinical medicine
|August 14, 2025
概括
助听器中的深度神经网络 (DNN) 降噪显著改善双模耳道植入物 (CI) 用户的语音理解. 这项技术为CI用户提供了一个有希望的解决方案,这些用户在杂的环境中难以听到声音.
科学领域:
- 听力学 听力学是指听力学.
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 传统的助听器降噪对双模耳道植入物 (CI) 用户提供了有限的好处.
- 深度神经网络 (DNN) 在提高助听器在噪音中的性能方面表现有前途.
- 本研究探讨了DNN在双模体CI用户的助听器中的应用.
研究的目的:
- 调查基于DNN的降噪对双模体CI用户的助听器的有效性.
- 为了比较DNN降噪性能与传统降噪算法在双模式CI用户.
- 评估DNN技术对这一群体在噪音中的语音感知的影响.
主要方法:
- 11名双模体IC使用者 (年龄在71-89岁) 配备了基于DNN的降噪功能的助听器 (HA).
- 在安静和噪音条件下使用AzBio句子测量语音识别.
- 绩效被评估为单独使用CI,单独使用HA (平静的情况与DNN程序),以及双模式.
主要成果:
- DNN助听器程序在噪音中显著改善了双模态语音识别,达到79%的效果,而Calm Situation程序的效果为60% (平均效益为19%,p<0.001).
- 在多人聊天中,DNN HA程序提供了40%的双模式效益,远远超过CI单独的21%效益.
- 基于DNN的降噪显示,双模体IC使用者的语音理解得到了实质性的改善.
结论:
- 基于DNN的助听器降噪显著提高了双模体CI用户在杂环境中的语音理解.
- 这项技术代表了一项有希望的进步,用于解决双模体IC用户在噪音中面临的语音感知困难的共同挑战.
- 这些发现支持DNN降噪的临床实用性,作为改善双模体IC患者生活质量的宝贵工具.
