模拟耳神经退化对语音识别表现的影响
Viacheslav Vasilkov1,2, M Charles Liberman1,2, Stéphane F Maison1,2
1Department of Otolaryngology - Head & Neck Surgery, Harvard Medical School, Boston, Massachusetts, United States of America.
PloS one
|November 14, 2025
概括
耳神经退化 (CND) 通过影响听觉神经纤维 (ANFs) 影响语音噪音理解. 这项研究使用计算模型和深度学习将CND相关的纤维损失与隐性听力损失联系起来.
科学领域:
- 听觉神经科学 听觉神经科学
- 计算式听觉神经科学 计算式听觉神经科学
- 语音感知 语音感知
背景情况:
- 耳神经退化 (CND) 和突触损失有助于"隐性听力损失",尽管正常的听力测量值,但其特点是语音噪音困难.
- 这种神经分离主要影响低和中自发速率 (SR) 听觉神经纤维 (ANF),对于编码振幅调制至关重要,特别是在噪音中.
- 由于评估活人突触完整性的局限性,CND的感知影响仍然不清楚.
研究的目的:
- 量化自发速率 (SR) 特定的听觉神经纤维 (ANF) 损失在耳神经退化 (CND) 的感知后果.
- 建立一个计算框架,将ANF突触完整性与语音噪音感知联系起来.
- 通过使用行为数据和深度神经网络 (DNN) 建模的组合,研究SR特异性纤维损失在"隐性听力损失"中的作用.
主要方法:
- 从395名成年人 (年龄在18-80岁) 收集了时间压缩的,反响的NU-6单词的听力测量值和词识别得分.
- 模拟了三种CND特征下的ANF活动,改变了SR类存活率,将反应转化为时间频率神经图.
- 利用两种经过文字分类训练的DNN架构来解码模拟的ANF活动,并评估模拟的CND的影响.
主要成果:
- 两个DNN都学会了单词分类任务,但更深层次,更受约束的模型复制了人类的表现.
- 更深层的DNN模型显示对模拟的CND的敏感性,显示语音识别下降,因为低和中级SR纤维逐渐被删除.
- 模拟的SR特定纤维损失在模型中产生了与人类在具有挑战性的听力条件下表现一致的识别分数.
结论:
- 建立了SR特异性突触病 (突触损伤) 和在噪音中理解语音困难之间的机制联系.
- 提供了一个计算框架来评估由耳神经退化引起的"隐性听力损失"的感知影响.
- 突出了低和中级SR纤维在语音编码中的关键作用以及它们在CND中的脆弱性.
