基于深度学习的噪音管理在经验丰富的助听器用户中使用功能近红外光谱学对大脑的益处

科学领域:

• 神经科学是一个神经科学.
• 听力学 听力学是指听力学.
• 助听器技术 助听器技术

背景情况:

• 人们对神经成像越来越感兴趣,以了解听力损失的倾听力度.
• 专注于创新的助听器功能对认知负载的影响.

研究的目的:

• 使用fNIRS.研究听力努力的神经基础.
• 评估基于深度学习的噪音管理功能对大脑血液氧化的影响.

主要方法:

• fNIRS测量了26名经验丰富的助听器用户的前额叶皮层氧化率.
• 标准监听程序与DNN监听程序与噪声管理的比较.
• 测量包括听力准确度,主观努力和fNIRS数据.

主要成果:

• DNN听力程序显示了更高的听力准确度和更低的主观努力.
• fNIRS表示左下前额叶皮层与DNN特征的氧化.
• 结果与减少认知负载的假设一致.

结论:

• 基于DNN的噪音管理功能有效地减少了听力.
• fNIRS是用于助听器研究的宝贵工具.
• 进一步研究倾听力度和认知过程的相互作用是有必要的.