Valutazione di un algoritmo di riduzione del rumore basato su reti neurali profonde per apparecchi acustici

*** DESCRIZIONE DELLO STUDIO ***

L'udito in ambienti rumorosi è una delle sfide più comuni affrontate dalle persone con perdita dell'udito, e anche le persone con udito normale spesso faticano a comprendere il parlato in situazioni come ristoranti, aule scolastiche e spazi pubblici affollati. Gli apparecchi acustici moderni utilizzano strategie avanzate di elaborazione digitale del segnale, in particolare la riduzione del rumore basata su reti neurali profonde (DNN), per migliorare l'intelligibilità del parlato in queste situazioni di ascolto difficili. Tuttavia, queste tecnologie variano notevolmente nella loro efficacia, e i loro benefici possono dipendere da fattori come il livello di rumore, il tipo di ambiente di fondo e il grado di perdita uditiva dell'individuo. Questo studio esamina come diverse strategie di riduzione del rumore influenzino la capacità di un ascoltatore di comprendere il parlato in una gamma di condizioni di ascolto del mondo reale. Una configurazione monaurale e omnidirezionale serve a isolare le strategie di riduzione del rumore a microfono singolo senza il vantaggio dell'elaborazione direzionale degli apparecchi acustici. La ricerca confronta diverse modalità di elaborazione, ciascuna delle quali rappresenta un algoritmo di riduzione del rumore distinto o un approccio di elaborazione del segnale. Queste modalità includono forme più forti e più deboli di riduzione del rumore, nonché condizioni "spente" in cui non viene applicata alcuna elaborazione di riduzione del rumore. I partecipanti completeranno compiti di ascolto a diversi rapporti segnale-rumore (SNR) in ingresso, rappresentando livelli più facili e più difficili di rumore di fondo. Tutti i partecipanti sperimentano ogni condizione in un ordine controllato e completamente controbilanciato per ridurre gli effetti di apprendimento e i bias.

*** PANORAMICA DEI COMPITI DI ASCOLTO ***

Durante lo studio, gli ascoltatori completano compiti di comprensione del parlato utilizzando il paradigma della doppia frase, un metodo di test sviluppato per riflettere meglio il carico cognitivo reale dell'ascolto nel rumore. I test di parlato tradizionali tipicamente chiedono a un ascoltatore di ripetere una singola frase alla volta. Sebbene utili, questi compiti a frase singola spesso sottostimano la difficoltà dell'ascolto quotidiano, che richiede alle persone di monitorare, ricordare e rispondere a più informazioni contemporaneamente. Il paradigma della doppia frase affronta questa lacuna presentando due frasi consecutivamente all'interno della stessa prova. Il partecipante sente la Frase A, seguita immediatamente dalla Frase B, pronunciate da parlanti diversi. Al partecipante viene chiesto di ripetere immediatamente la prima frase e poi di digitare la seconda frase.

Questa struttura aumenta la domanda cognitiva richiedendo all'ascoltatore di trattenere più informazioni parlate nella memoria di lavoro mentre contemporaneamente affronta il rumore di fondo. L'approccio fornisce una misura più sensibile di come le strategie di elaborazione del segnale influenzino non solo l'udibilità, ma anche lo sforzo di ascolto nel mondo reale, il carico di memoria e la comprensione del parlato.

*** COME VENGONO VALUTATE LE STRATEGIE DI RIDUZIONE DEL RUMORE ***

Per valutare gli effetti di ciascuna impostazione di riduzione del rumore, i partecipanti completano il compito della doppia frase a diversi SNR - ad esempio, SNR più facili (positivi) in cui il parlato è più forte del rumore, e SNR più difficili (negativi) in cui il rumore compete fortemente con il parlato. Ogni modalità di riduzione del rumore viene testata ad ogni SNR, producendo un set completo di dati di prestazioni per ogni combinazione di forza dell'algoritmo e difficoltà del rumore. La comprensione del parlato viene misurata utilizzando metodi di punteggio standard per i compiti di richiamo delle frasi. Le risposte dei partecipanti vengono registrate e l'accuratezza viene valutata in base al numero di parole chiave ripetute correttamente per ogni frase. Ciò consente al team di ricerca di quantificare come diverse strategie di elaborazione influenzino l'intelligibilità del parlato e il carico cognitivo in condizioni di ascolto controllate.

*** RAZIONALE SCIENTIFICO E CONTRIBUTI ATTESI ***

Le strategie di riduzione del rumore basate su reti neurali profonde sono emerse in molti dispositivi acustici commerciali, ma le loro prestazioni possono variare a seconda dei dati di addestramento, della complessità del modello e di quanto aggressivamente viene ridotto il rumore. Alcune impostazioni possono migliorare l'intelligibilità ma distorcere il segnale vocale; altre possono ridurre il rumore ma introdurre ritardi di elaborazione o artefatti che influenzano il comfort dell'ascoltatore. Confrontando sistematicamente più algoritmi di riduzione del rumore in condizioni identiche, questo studio mira a mappare come diverse strategie alterino sia la comprensione del parlato che la difficoltà di ascolto. I risultati di questa ricerca possono aiutare a guidare lo sviluppo di approcci di riduzione del rumore più efficaci e centrati sull'ascoltatore per gli apparecchi acustici. I risultati possono anche migliorare le raccomandazioni cliniche identificando quali forze degli algoritmi funzionano meglio in diversi ambienti rumorosi.

*** SIGNIFICATO PIÙ AMPIO ***

La capacità di comunicare in ambienti rumorosi ha effetti profondi sulla partecipazione sociale, le prestazioni lavorative e la qualità della vita. Molti utenti di apparecchi acustici continuano a segnalare difficoltà in ambienti rumorosi nonostante i progressi tecnologici. Una comprensione più dettagliata di come gli ascoltatori rispondono a diverse strategie di riduzione del rumore, specialmente sotto il paradigma cognitivamente impegnativo della doppia frase, può aiutare i produttori a progettare funzionalità più supportive e può assistere i clinici nell'adattare le regolazioni ai bisogni di ascolto quotidiani dell'individuo.

Questo studio cerca infine di supportare futuri miglioramenti nella progettazione e programmazione degli apparecchi acustici fornendo prove oggettive su come gli algoritmi avanzati di riduzione del rumore influenzino la comprensione del parlato nel mondo reale.