Ocena algorytmu głębokiego uczenia neuronowego do redukcji szumów w aparatach słuchowych

*** OPIS BADANIA ***

Słyszenie w hałaśliwym otoczeniu to jedno z najczęstszych wyzwań, z jakimi mierzą się osoby z ubytkiem słuchu, a nawet ludzie z prawidłowym słuchem często mają trudności ze zrozumieniem mowy w takich sytuacjach jak restauracje, klasy szkolne czy zatłoczone przestrzenie publiczne.
Współczesne aparaty słuchowe wykorzystują zaawansowane strategie cyfrowego przetwarzania sygnału, zwłaszcza redukcję szumów opartą na głębokich sieciach neuronowych (DNN), aby poprawić zrozumiałość mowy w tych trudnych warunkach słuchowych.
Jednak skuteczność tych technologii jest bardzo zróżnicowana, a ich korzyści mogą zależeć od czynników takich jak poziom hałasu, rodzaj tła czy stopień ubytku słuchu danej osoby.
Niniejsze badanie analizuje, jak różne strategie redukcji szumów wpływają na zdolność słuchacza do rozumienia mowy w różnych rzeczywistych warunkach słuchania.
Konfiguracja monofoniczna, dookólna ma na celu wyizolowanie strategii redukcji szumów z jednym mikrofonem, bez korzyści z kierunkowego przetwarzania aparatu słuchowego.
Badanie porównuje kilka trybów przetwarzania, z których każdy reprezentuje odrębny algorytm redukcji szumów lub podejście do przetwarzania sygnału.
Tryby te obejmują mocniejsze i słabsze formy redukcji szumów, a także warunki „wyłączone”, bez zastosowanego przetwarzania redukcji szumów.
Uczestnicy będą wykonywać zadania słuchowe przy kilku wejściowych stosunkach sygnału do szumu (SNR), reprezentujących łatwiejsze i trudniejsze poziomy hałasu tła.
Wszyscy uczestnicy doświadczają każdego warunku w kontrolowanej, w pełni zrównoważonej kolejności, aby zmniejszyć efekty uczenia się i stronniczość.

*** PRZEGLĄD ZADAŃ SŁUCHOWYCH ***

Podczas badania słuchacze wykonują zadania rozumienia mowy z wykorzystaniem paradygmatu podwójnego zdania – metody testowej opracowanej, aby lepiej odzwierciedlić rzeczywiste obciążenie poznawcze związane ze słuchaniem w hałasie.
Tradycyjne testy mowy zazwyczaj proszą słuchacza o powtórzenie pojedynczego zdania za każdym razem.
Choć są użyteczne, te zadania z pojedynczym zdaniem często niedoszacowują trudności codziennego słuchania, które wymaga od ludzi jednoczesnego monitorowania, zapamiętywania i reagowania na wiele informacji.
Paradygmat podwójnego zdania wypełnia tę lukę, przedstawiając dwa zdania jedno po drugim w ramach tej samej próby.
Uczestnik słyszy Zdanie A, a zaraz po nim Zdanie B, wypowiadane przez różnych mówców.
Uczestnik jest proszony o natychmiastowe powtórzenie pierwszego zdania, a następnie wpisanie drugiego zdania.

Ta struktura zwiększa wymagania poznawcze, zmuszając słuchacza do przechowywania większej ilości mówionych informacji w pamięci roboczej, jednocześnie radząc sobie z hałasem tła.
Podejście to zapewnia bardziej czuły pomiar tego, jak strategie przetwarzania sygnału wpływają nie tylko na słyszalność, ale także na rzeczywisty wysiłek słuchania, obciążenie pamięci i rozumienie mowy.

*** JAK OCENIANE SĄ STRATEGIE REDUKCJI SZUMÓW ***

Aby ocenić efekty każdego ustawienia redukcji szumów, uczestnicy wykonują zadanie podwójnego zdania przy kilku wartościach SNR – na przykład przy łatwiejszych (dodatnich) SNR, gdzie mowa jest głośniejsza niż szum, i przy trudniejszych (ujemnych) SNR, gdzie szum silnie konkuruje z mową.
Każdy tryb redukcji szumów jest testowany przy każdym SNR, dając pełny zestaw danych o wydajności dla każdej kombinacji siły algorytmu i trudności hałasu.
Rozumienie mowy jest mierzone przy użyciu standardowych metod punktacji dla zadań odtwarzania zdań.
Odpowiedzi uczestników są rejestrowane, a dokładność jest oceniana na podstawie liczby poprawnie powtórzonych słów kluczowych dla każdego zdania.
Pozwala to zespołowi badawczemu na ilościowe określenie, jak różne strategie przetwarzania wpływają na zrozumiałość mowy i obciążenie poznawcze w kontrolowanych warunkach słuchania.

*** UZASADNIENIE NAUKOWE I OCZEKIWANE WKŁADY ***

Strategie redukcji szumów oparte na głębokich sieciach neuronowych pojawiły się w wielu komercyjnych urządzeniach słuchowych, ale ich wydajność może się różnić w zależności od danych treningowych, złożoności modelu i tego, jak agresywnie redukowany jest szum.
Niektóre ustawienia mogą poprawić zrozumiałość, ale zniekształcić sygnał mowy; inne mogą redukować szum, ale wprowadzać opóźnienia przetwarzania lub artefakty, które wpływają na komfort słuchacza.
Poprzez systematyczne porównanie wielu algorytmów redukcji szumów w identycznych warunkach, to badanie ma na celu zmapowanie, jak różne strategie zmieniają zarówno rozumienie mowy, jak i trudność słuchania.
Wyniki tego badania mogą pomóc w kierowaniu rozwojem bardziej skutecznych, skoncentrowanych na słuchaczu podejść do redukcji szumów w aparatach słuchowych.
Wyniki mogą również poprawić rekomendacje kliniczne, identyfikując, które siły algorytmów działają najlepiej w różnych środowiskach hałasu.

*** SZERSZE ZNACZENIE ***

Umiejętność komunikacji w hałaśliwym otoczeniu ma głęboki wpływ na uczestnictwo społeczne, wydajność pracy i jakość życia.
Wielu użytkowników aparatów słuchowych nadal zgłasza trudności w hałaśliwych środowiskach, pomimo postępów technologicznych.
Bardziej szczegółowe zrozumienie, jak słuchacze reagują na różne strategie redukcji szumów, zwłaszcza pod wymagającym poznawczo paradygmatem podwójnego zdania, może pomóc producentom w projektowaniu bardziej wspierających funkcji i może pomóc klinicystom w dostosowywaniu dopasowań do codziennych potrzeb słuchowych danej osoby.

To badanie ostatecznie dąży do wsparcia przyszłych ulepszeń w projektowaniu i programowaniu aparatów słuchowych, dostarczając obiektywne dowody na to, jak zaawansowane algorytmy redukcji szumów wpływają na rzeczywiste rozumienie mowy.