Den individuelle auditoriske profil for optimal tilpasning af høreapparater Torsten Dau Centre for Applied Hearing Research Department of Electrical Engineering Technical University of Denmark
Konsekvenser af forringet auditiv signal behandling i hørelsen Nøgle problem: Hørehæmmede har ofte problemer med at forstå tale i baggrundsstøj. Cocktail-party problemet På trods af enorm udvikling i høreapparatteknologi, varierer fordelene meget hos individuelle brugere. Den manglende evne til at forstå tale i støj, er en af hovedårsagerne til utilfredsheden med høreapparater (for mange brugere).
Individuel forstærkning i høreapparater Moderne høreapparater giver individuel frekvensspecifik forstærkning baseret på et ren-tone audiogram. Individuel kompression (niveau-afhængig forstærkning) har været anvendt til groft at gendanne hørestyrkeopfattelsen. Støjreduktion har været justeret til den individuelle personens tærskel. Feedback kompensation (ved brug af stimuli under høretærsklen) har været anvendt til det individuelle max. Optimal forstærkning baseret på individuelle audiogrammer giver tilfredsstillende resultater i stille omgivelser. Men der er kun begrænset succes under støjfyldte betingelser.
Taleopfattelse i støj Når der er kompenseret for den reducerede følsomhed ved hjælp af forstærkning er der ofte stadig problemer, især mht. forståelse af tale-i-støj (folk kan måske nok høre talen, men ikke forstå den). Hørehæmmede (HH) kræver et bedre signal-støj-forhold end normalthørende for at opnå 50% korrekt forståelse i en test. To hovedkomponenter karakteriserer høretab for tale (Plomp, 1986): Attenuation ( A ) component Distortion ( D ) component: Distortion (forvrængning) komponenten kan involvere: Ikke optimal auditiv signal behandling i det spektrale og temporale domæne Ikke optimal auditiv signal behandling i amplitude domænet Ikke optimal funktion af kognitive processor for taleforståelse
Taleopfattelse i støj Konceptuelt: Hørehæmmede som har relativt god tale opfattelse kan profitere mest af forstærkning Kompensation for A komponenten af høretabet Hørehæmmede som har store problemer med taleforståelighed kan profitere mest af signal-støj-forhold forbedrings-strategier Med henblik på D komponenten af høretabet Taleaudiometri kan fortælle os hvilke personer der er mest påvirket af enten attenuation (dæmpning) eller distortion (forvrængnings) komponenten. Men, desværre, kan den ikke udbedre den underliggende høredefekt. Så hvad skal der gøres for den individuelle person for at kompensere for D komponenten?
Hoved spørgsmål: Mod en audiologisk profil Hvilke (auditive) signal behandlings defekter er skyld i tale-i-støj problemer? Kan disse defekter identificeres individuelt, ideelt i et klinisk miljø? Hvis ja, kan de identificerede defekter kompenseres for (i det mindste delvist) af et høreapparat? Flere nyere studier har forsøgt at definere individuelle audiologiske profiler (f.eks., HearCom project, Vlaming et al., 2011), med fokus på: Hørbarhed og hørestyrke opfattelse Frekvens opløsning og temporal opløsning Taleopfattelse i støj Binaural (rumlig) signal behandling Lyttebesvær ( listening effort ) Kognitive evner
Individuelle audiogrammer ( homogene ): Audiograms Taleforståelighed versus frekvensopløsning poor Frekvensopløsning versus taleopfattelse Discrimination threshold (%) good Speech reception threshold (db) poor Speech reception threshold (SRT) er her ikke korreleret med hørbarhed men er korreleret med frekvensopløsning (f.eks., Papakonstaninou et al., 2011).
Taleforståelighed versus tidsmæssig processering Binaural maskerings forskelle (BMLD, N 0 S π N 0 S 0 ) Auditory-brainstem responses (ABR) N 0 S π poor poor BMLD (db) good poor good poor
Mod en audiologisk profil Disse eksempler demonstrerer nogle auditive signal behandlings defekter ud over reduceret hørbarhed.? Hørbarhed? Men, kun en lille gruppe lyttere (med stort set samme audiogram) deltog i forsøget. Reduceret frekvensopløsning?? Nedsat taleopfattelse Temporale defekter? Stor-skala korrelations studier (f.eks., Houtgast and Festen, 2005; Vlaming et al., 2011) har ikke ført til enkle tolkninger: Korrelation er ikke altid lig med kausalitet Individuelle forskelle i taleopfattelse i støj kan ikke fuldstændig forklares af de betragtede variabler (indtil videre) Faktorerne som ligger til grund for høretabet (inkl. kognitive faktorer) er dermed stadig ikke helt klare. Hvilken vej skal vi gå?
Afgrænse den audiologiske profil? Det mest almindelige høretab skyldes cochleære signal-behandlings defekter. cortex Lad os et øjeblik kun fokusere på denne komponent og ignorere retro-cochleære defekter. brainstem cochlea Hvordan kan vi karakterisere et individuelt cochleært høretab?
Det menneskelige øre
Det indre øre Human cochlea scala vestibuli scala media organ of Corti basilar membrane scala tympani stapes tectorial membrane inner hair cells outer hair cells basilar membrane
Indre og ydre hårceller 13 Indre hårceller Ydre hårceller Normal hørelse Høretab
Input/output karakteristik af cochlea 14 Velocity (db re 1 micron/sec) 80 60 40 20 0 0.96 compression Kompression = 25.6 : 1: 1 1.0 slope = 0.52 slope = 0.18 slope = 0.96 5.6 0 20 40 60 80 100 120 Sound Pressure Level (db) 1.0 Basilar-membranens input-output funktion i det normale system (Ruggero et al.,1997); CF = 11 khz
Tab af ydre hårceller 15 Velocity (db re 1 m icron/sec) 80 60 40 20 0 intakt efter tab af ydre hårceller 0 20 40 60 80 100 120 Sound Pressure Level (db) Ruggero et al. (1997)
Dynamisk kompression i cochlea 16 Basilar membrane response (db) Gain Dynamic range (compressive) Linear response Dynamic Dynamikbereich range (linear) Level (db SPL)
Velocity (db re 1 micron/sec) 80 60 40 20 0 CF = 10 khz 0 20 40 60 80 100 120 Sound Pressure Level (db) CF = 10 khz Frekvensselektivitet i cochlea 10 khz 9 khz 8 khz 3 khz Forstærkning og kompression ved den karakteristiske frekvens (CF). Lineær respons for f << CF og f >> CF Ruggero et al. (1997) Intakt cochlea: Frekvensselektivitet er afhængig af lydniveauet. 17 Skadet cochlea: Frekvensselektivitet er betydeligt forringet (og næsten uafhængig af lydniveau).
Estimering af BM input/output 18 Hypotetiske BM input/output funktioner (Plack et al., 2004) Input/output funktionen kan estimeres eksperimentelt ved hjælp af såkaldte temporal masking curves (TMC; Nelson et al., 2001). Estimering af tab af ydre hårceller HL OHC (ved en given frekvens) Baseret på audiogrammet: Estimering af HL IHC = HL Tot - HL OHC
Eksempler på estimerede I/O funktioner 19 Jepsen and Dau (2008, 2011) NH Estimering af kompression for to forsøgspersoner ved to frekvenser. Tilpasning af I/O funktioner til målte resultater Bemærk lignende audiogrammer, men forskellige grader af kompression
Estimeret frekvensselektivitet 20 --------- Målte filterfunktioner (baseret på spektrale maskeringsdata). Simulerede HH filterfunktioner (baseret på kompressionsværdier) Simulerede NH filterfunktioner Sandsynlige estimater af individuel frekvensselektivitet
En klinisk auditorisk profil? 21 Nye studier har fokuseret på en karakterisering af høretabet baseret på få målinger: Sensitivitet, cochleær kompression, frekvensselektivitet, tidsopløsning, intensitets-diskrimination (Jepsen and Dau, 2011) Sensitivitet, frekvensselektivitet og kompression (Meddis og kolleger, 2013), med fokus på potentiel klinisk anvendelse. i et forsøg på at bruge psykofysiske målinger til at estimere den underordnede patologi (f. eks. indre og ydre hårcellers fejlfunktion). Hypotese: Estimering af frekvensspecifik tab af indre og ydre hårceller kan udnyttes til forbedrede individuelle kompensationsstrategier ( attenuation versus distortion kompensation).
Komplementære metoder Kognition og høreapparater andre målinger til karakterisering af hørtabet 22 Working memory og tale-i-støj perception; Effekter af støj reduktion på langtids- og korttidshukommelse (e.g. Rönnberg et al., 2011) Ease of language understanding som basis for høreapparat design Det kognitive høreapparat: HA features indstiller sig efter både objective kriterier (SNR, akustisk kompleksitet) og erfarede kriterier ( effort, memory ). Machine learning for høreapparat design, personlig tilpasning Helt anden metode; design of algoritmer som udvikler sig baseret på empiriske data (f. eks. preference learning for en støjreduktionsalgoritme). Hovedfokus på at automatisk genkende komplekse mønstre og at tage intelligente beslutninger (baseret på data).
Hvor står vi? Der er stadig forskellige udfordringer med at løse tale-i-støj ( cocktail-party ) problemet for hørehæmmede personer. 23 Men vi har meget viden om hørelsens virkemåde, konsekvenser for høreopfattelsen og avanceret høreapparatsignalbehandling. Ikke desto mindre bruger vi ren-tone-audiogrammet som hovedinformationskilde i klinikken. Høreapparattilpasning er baseret på det. Ikke imponerende! Der er behov for samarbejde mellem forskningsinstitutioner, klinikker og høreapparatindustrien for at komme videre til gavn for samfundet. Høreapparatfunktioner skal optimeres til den enkelte person. Den første tilpasning er vigtig. Ellers accepteres høreapparatet ikke.
Hvordan kommer vi videre? 24 Udfordring (og mulighed): Fase 1: Hvordan starter vi processen? Ingen af partnerne (forskningsinstitutioner, klinikker og industri) kan løse problemet alene. Udvikling af en demonstrator: Valg af en auditiv profil i kombination med en fitting rationale (baseret på diskussioner); Demonstration af benefit (proof of concept) i et stor-skala forsøg Demonstratoren er afgørende for hele projektets succes! Fase 2: Optimering af procedurer (f. eks. minimere måletid, maksimere brugervenlighed, data standardisering, ). Dansk erfaring og ekspertise i høreapparatteknologi, tale og høreforskning samt akustik er et godt fundament for et succesfuldt projekt.