基于听觉外周计算模型的听力损伤分析与听力补偿算法的研究

目前，纯音测听和言语测听是听力损伤分析的主要方法；听力补偿是改善损伤听力的主要手段。纯音测听作为补偿算法的依据,反映的损伤信息不够细致全面，导致补偿效果有限；言语测听作为补偿算法的评价,对参数敏感性较差，对算法改进的指导有限。因此，对两个具有相同纯音测听听阈图的损伤患者使用相同的补偿算法，效果差异可能会很大；对同一位损伤患者，不同的补偿算法给出的补偿差异也较大。我们设想通过听觉外周计算模型模拟损伤人耳的信息处理过程，分析导致损伤关键参数，以损伤模型是否恢复正常输出作为补偿算法优劣的评价，研究得到最佳的补偿算法。为与临床应用紧密结合，我们将在纯音测听的基础上利用耳声发射和耳蜗电图等临床诊断新方法，研究临床诊断结果与模型损伤参数的对应关系，并论证模型恢复正常与现有的临床评价方法的一致性。本项目将提出一种反映更多损伤信息的听力损伤分析方法和一套针对性更强的补偿算法并期望取得良好的临床应用效果。

本项目提出了反映更多损伤信息的听力损伤的新计算模型和分析方法，同时提出了一套有效的，有良好的临床应用价值的听觉补偿和听觉感知增强方法。提出了计算正常人和听力损伤病人的听觉刺激模式和耳响度感受模型。正常人的模型基于圆指数滤波器，听力损伤模型基于并行双通路ROEX滤波器，二者都包括宽带被动滤波器和由被动输出控制的窄带主动滤波器。正常听力模型的参数从陷波噪声掩蔽受试者的数据拟合得到。激励模式由滤波器组获得并包含了基底膜压缩效应。并有刺激模式图的面积计算响度，不再需要刺激和响度之间的转换。该模型可以预测标准等响曲线，计算响度函数，并能合理预测局部响度。在正常人耳的响度感受模型的基础上，为了准确模拟耳蜗性听力损伤，这里将听力损伤分解为外毛细胞损伤和内毛细胞损伤分别进行建模。将外毛细胞的损伤等效为最大主动增益的衰减，由此可以模拟外毛细胞损伤造成的绝对听阈上升、听觉压缩非线性减小和听觉频率分辨率下降等现象。内毛细胞的损伤等效为激励响应的非线性衰减，当输入声强较小时衰减较大、输入声强较大时衰减较小，由此可以模拟内毛细胞损伤造成的绝对听阈上升的现象。内外毛细胞的损伤可以通过测量响度感受和绝对响度预测得到。该模型的预测结果和临床的单侧、非对称听力损伤患者数据一致。新模型同时也能反映响度叠加效应，同时能预测死区。针对噪声背景下，听力损伤患者很难听清声音的问题，我们分析了噪声下听觉脑电与安静环境下的差异，分析了训练对噪声背景下脑干可塑性的影响，并且提出了噪声环境下提高听觉感知的语音增强算法。利用新的正常人耳和损伤人耳的听觉激励响应和响度感受模型对现有的主要的补偿算法进行了分析和评价。除了使用最常用的激励响应作为评价指标，这里还定义了一个新的评价指标——有效激励响应比例。激励响应对应人耳的响度感受，即声音听得见或听不见的问题；有效激励响应比例对应人耳的掩蔽效应，即声音听得清或听不清的问题。因此，本项目完成了正常听力和听力损伤的外周计算模型，并提出了提高听觉感知的补偿算法和临床评价方法。

内容获取失败，请点击重试