Avaliação de um Algoritmo de Redução de Ruído com Rede Neural Profunda para Aparelhos Auditivos

*** DESCRIÇÃO DO ESTUDO ***

A audição em ambientes ruidosos é um dos desafios mais comuns enfrentados por pessoas com perda auditiva, e até mesmo indivíduos com audição normal frequentemente têm dificuldade em compreender a fala em situações como restaurantes, salas de aula e espaços públicos movimentados. Os modernos aparelhos auditivos utilizam estratégias avançadas de processamento digital de sinal, especialmente a redução de ruído baseada em redes neurais profundas (DNN), para melhorar a inteligibilidade da fala nestas situações auditivas difíceis. No entanto, estas tecnologias variam amplamente na sua eficácia, e os seus benefícios podem depender de fatores como o nível de ruído, o tipo de fundo e o grau de perda auditiva do indivíduo. Este estudo examina como diferentes estratégias de redução de ruído afetam a capacidade do ouvinte de compreender a fala numa variedade de condições auditivas do mundo real. Uma configuração monoaural e omnidirecional é utilizada para isolar estratégias de redução de ruído de microfone único, sem o benefício do processamento direcional dos aparelhos auditivos. A investigação compara vários modos de processamento, cada um representando um algoritmo de redução de ruído distinto ou uma abordagem de processamento de sinal. Estes modos incluem formas mais fortes e mais fracas de redução de ruído, bem como condições "desligadas" sem qualquer processamento de redução de ruído aplicado. Os participantes realizarão tarefas de audição em várias relações sinal-ruído (SNR) de entrada, representando níveis de ruído de fundo mais fáceis e mais difíceis. Todos os participantes experienciam cada condição numa ordem controlada e totalmente contrabalançada para reduzir os efeitos de aprendizagem e o viés.

*** VISÃO GERAL DAS TAREFAS DE AUDIÇÃO ***

Durante o estudo, os ouvintes completam tarefas de compreensão da fala utilizando o paradigma de frases duplas, um método de teste desenvolvido para refletir melhor a carga cognitiva real de ouvir com ruído. Os testes de fala tradicionais normalmente pedem ao ouvinte para repetir uma única frase de cada vez. Embora úteis, estas tarefas de frase única frequentemente subestimam a dificuldade da audição quotidiana, que exige que as pessoas monitorem, recordem e respondam a múltiplas peças de informação simultaneamente. O paradigma de frases duplas aborda esta lacuna apresentando duas frases consecutivamente no mesmo ensaio. O participante ouve a Frase A, seguida imediatamente pela Frase B, faladas por locutores diferentes. É pedido ao participante que repita imediatamente a primeira frase e, em seguida, digite a segunda frase.

Esta estrutura aumenta a exigência cognitiva ao requerer que o ouvinte retenha mais informação falada na memória de trabalho enquanto lida simultaneamente com ruído de fundo. Esta abordagem fornece uma medida mais sensível de como as estratégias de processamento de sinal afetam não apenas a audibilidade, mas também o esforço auditivo real, a carga de memória e a compreensão da fala.

*** COMO AS ESTRATÉGIAS DE REDUÇÃO DE RUÍDO SÃO AVALIADAS ***

Para avaliar os efeitos de cada configuração de redução de ruído, os participantes completam a tarefa de frases duplas em várias SNR - por exemplo, SNR mais fáceis (positivas) onde a fala é mais alta que o ruído, e SNR mais difíceis (negativas) onde o ruído compete fortemente com a fala. Cada modo de redução de ruído é testado em todas as SNR, produzindo um conjunto completo de dados de desempenho para cada combinação de força do algoritmo e dificuldade do ruído. A compreensão da fala é medida utilizando métodos de pontuação padrão para tarefas de recordação de frases. As respostas dos participantes são gravadas, e a precisão é pontuada com base no número de palavras-chave corretamente repetidas para cada frase. Isto permite à equipa de investigação quantificar como diferentes estratégias de processamento influenciam a inteligibilidade da fala e a carga cognitiva sob condições auditivas controladas.

*** FUNDAMENTAÇÃO CIENTÍFICA E CONTRIBUIÇÕES ESPERADAS ***

As estratégias de redução de ruído baseadas em redes neurais profundas emergiram em muitos dispositivos auditivos comerciais, mas o seu desempenho pode variar dependendo dos dados de treino, da complexidade do modelo e da agressividade com que o ruído é reduzido. Algumas configurações podem melhorar a inteligibilidade, mas distorcem o sinal de fala; outras podem reduzir o ruído, mas introduzir atrasos de processamento ou artefactos que afetam o conforto do ouvinte. Ao comparar sistematicamente múltiplos algoritmos de redução de ruído sob condições idênticas, este estudo visa mapear como diferentes estratégias alteram tanto a compreensão da fala como a dificuldade auditiva. As descobertas desta investigação podem ajudar a orientar o desenvolvimento de abordagens de redução de ruído mais eficazes e centradas no ouvinte para aparelhos auditivos. Os resultados também podem melhorar as recomendações clínicas ao identificar quais as forças de algoritmo que funcionam melhor em diferentes ambientes ruidosos.

*** SIGNIFICADO MAIS AMPLO ***

A capacidade de comunicar em ambientes ruidosos tem efeitos profundos na participação social, no desempenho no trabalho e na qualidade de vida. Muitos utilizadores de aparelhos auditivos continuam a relatar dificuldades em ambientes ruidosos, apesar dos avanços tecnológicos. Uma compreensão mais detalhada de como os ouvintes respondem a diferentes estratégias de redução de ruído, especialmente sob o paradigma de frases duplas cognitivamente exigente, pode ajudar os fabricantes a projetar funcionalidades mais suportivas e pode auxiliar os clínicos a personalizar os ajustes às necessidades auditivas diárias do indivíduo.

Este estudo procura, em última análise, apoiar futuras melhorias no design e programação de aparelhos auditivos, fornecendo evidências objetivas sobre como os algoritmos avançados de redução de ruído afetam a compreensão da fala no mundo real.