CN109036569A - 人工耳蜗声调语言的时域精细结构新型编码的验证方法 - Google Patents

人工耳蜗声调语言的时域精细结构新型编码的验证方法 Download PDF

Info

Publication number
CN109036569A
CN109036569A CN201811078979.9A CN201811078979A CN109036569A CN 109036569 A CN109036569 A CN 109036569A CN 201811078979 A CN201811078979 A CN 201811078979A CN 109036569 A CN109036569 A CN 109036569A
Authority
CN
China
Prior art keywords
tone
stimulation
voice
inferior colliculus
response
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811078979.9A
Other languages
English (en)
Other versions
CN109036569B (zh
Inventor
王星
陈春烨
侯文生
陈涛
赵帅
姜彬
彭飞
吴小鹰
郑小林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Jiangsu Yuyue Medical Equipment and Supply Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University, Jiangsu Yuyue Medical Equipment and Supply Co Ltd filed Critical Chongqing University
Priority to CN201811078979.9A priority Critical patent/CN109036569B/zh
Publication of CN109036569A publication Critical patent/CN109036569A/zh
Application granted granted Critical
Publication of CN109036569B publication Critical patent/CN109036569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36036—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation of the outer, middle or inner ear
    • A61N1/36038—Cochlear stimulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36036—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation of the outer, middle or inner ear
    • A61N1/36038—Cochlear stimulation
    • A61N1/36039—Cochlear stimulation fitting procedures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Otolaryngology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Prostheses (AREA)

Abstract

本发明公开了人工耳蜗声调语言的时域精细结构新型编码的验证方法，主要包括以下步骤：1)选取实验生物体。2)建立原始语音诱发下丘神经响应时空定量化模式I。3)建立新型编码声调语音刺激诱发下丘神经响应的时空模式II。4)建立新型编码语音电刺激诱发下丘神经响应时空模式III。5)通过调整语音编码对应的电刺激模式参数，使新型编码语音电刺激诱发下丘神经响应时空模式III逼近原始语音诱发下丘神经响应时空定量化模式I。本发明可以更真实、更客观准确地反映生物体听觉通路对某种声音编码策略的接受程度，可以作为人工耳蜗新型语音编码的辅助评估方法。

Description

人工耳蜗声调语言的时域精细结构新型编码的验证方法
技术领域
本发明涉及人工耳蜗(CI)系统技术领域，具体是人工耳蜗的声调语言时域精细结构新型编码的验证方法。
背景技术
目前大多数CI使用者在标准听力测试和安静环境下日常言语识别接近正常听力者的听觉性能，但是他们的听觉能力与正常听力者相比依然存在鸿沟。例如CI植入者在噪声环境下的语音感知能力较差：他们在稳态噪声背景下有接近15dB的听力损失，他们在竞争语音环境中有近30dB的听力损失。植入者对音乐的感知也同样有限：如果说对节奏的识别还差强人意，那么对旋律和音色的感知只能说微乎其微。而且声调语言植入者在嘈杂环境下更容易出现能量掩蔽和信息掩蔽，对声调模式的感知和发声能力和正常听力者相去甚远。
因此，研究者引入各种创新的语音编码策略和研究方法来提高CI的听力修复水平，而所有这些方法在临床试验之前都必须经过严格的评估。目前有专门针对CI植入者的评估方法，通过对言语基频、低中频、高频的感知及言语可懂度进行定量分析，该评估结果对于优化言语编码策略具有重要意义，不过主要适合于发展相对成熟的语音编码策略。新型的编码策略可通过声学信息分析，最后再利用正常听力者的主观音质评价来进行评估。新型语音编码策略的CI植入者心理物理学评估方法在临床试验阶段的实施非常耗时，而且其信号处理还需评估大量参数，包括刺激电极植入在人体被试的准确位置、电极和激活神经组织的距离、电极配置的差异等。同时，CI植入者的对照研究数量十分有限，新型语音编码策略多不成熟，有待多重检验评估，其检验方法必然受到伦理条例限制。
目前新型编码策略的评估方法受缺乏电极-神经接口的限制，始终无法全部满足新编码策略新方法的验证需求，迫切需求深入的研究。
上述原因导致主流的CI植入者测试方法不适用于CI新编码新方法研究的评估，研究者转而寻找CI植入者听力评估研究的补充手段。有研究者发现用2-9通道CI信号处理器软件模拟处理语音测试材料，无论是采用正弦波还是噪音作为载波调制后播放出来，听力正常的被试均未观察到显著的统计学差异。因此，研究者都参照该方法开展基于声学仿真(AcousticSimulation)方法研究语音的可懂性，采用模拟CI编码分析多种复杂掩蔽条件对语音感知的效应。CI声学仿真利用语音编码机，采用声码合成技术(SoundVocoder)方式，联合听力正常被试的心理物理学验证方法。CI声学仿真能帮助确认CI性能相关的关键参数。该音质评价方法利用了正常人的正常听力，又避免了伦理限制，为听觉信息编码提供了很好的判断验证工具。然而，该方法最大的缺陷是缺乏电极-听觉神经通路接口的信息。
此外，基于听觉神经网络神经计算方法具有快速、可重复性、定量的优势，能提供各种类型的客观评估。例如，语音-回声调制能量比(Speech-to-ReverberationModulationEnergyRatio,SRMR)可测量CI语音的性能和可懂性，不过同样缺乏电刺激听神经纤维的生理响应。后又发展出利用测量神经图相似指数评估受损的听神经模型响应，结合听神经(AcousticNerve,AN)模型来评估CI的语音可懂性，还能定量地评估CI的新型编码策略中各项变量对CI使用者语音识别能力的影响。鉴于仿真研究是针对特定研究目标条件下对真实系统的简化，所以只能对实际系统实验具有重要的参考意义，始终缺失真实有效的评估价值。
因此，听力修复评估研究仍然极为迫切地需求客观的、定量的、适用于初级研究阶段的语音编码新策略新方法，并且能反映听觉神经系统的响应。
发明内容
本发明的目的是解决现有技术中的问题。
人工耳蜗声调语言的时域精细结构新型编码的验证方法，主要包括以下步骤：
1)建立原始语音诱发下丘神经响应时空定量化模式I。主要步骤如下：
1.1)选取适合听觉神经通路研究的实验生物体模型。
1.2)使用CLICK声音信号对实验生物体的单耳进行听力曲线测试。测试主要包括听阈测试和听域测试。
1.3)对所述实验生物体施行开颅手术，暴露出实验耳对侧的下丘。将多通道记录电极植入所述实验生物体实验耳对侧的下丘。验证多通道记录电极阵列准确插入实验耳对侧下丘的方法为：在实验生物体实验耳的一侧播放白噪声声音信号，当多通道记录电极阵列记录到的响应节拍和声音刺激器给予的白噪声的响应节拍一致，则多通道记录电极阵列准确插入实验耳对侧的下丘。
1.4)在实验生物体实验耳的一侧播放纯音声音信号，对多通道记录电极记录到的神经元进行扫频处理，测量并控制该组神经元的特征频率，使所述特征频率分布在8kHz以下。
1.5)确定声调语音刺激信号。确定声调语音刺激信号的主要步骤如下：
I)利用labview软件构建声音刺激器。声音刺激器主要输出纯音、白噪声和声调语音刺激。
II)所述声调语音信号输入到声音刺激器中。所述声调语音信号来源于中国标准汉语普通话语音库。
III)所述声音刺激器对输入的标准汉语普通话语音元素组进行编辑，主要包括对声调语音信号元素的持续时间、语音强度和重复播放的次数进行设置。其中，一组声调语音信号包括20个标准汉语普通话语音元素，20个元素之间的顺序采用随机设置。这组声调语音信号播放10次。
III)声调语音刺激组的参数设置好后，利用16位D/A转换器将编辑后的文本信号转换为电压形式的声调语音信号，在自由音场条件下该电压形式的声调语音信号驱动扬声器输出声调语音刺激。
将声调语音信号转换为语音刺激的方法主要是：利用LabView软件对采集到的声调语音信号进行编辑。利用16位D/A转换器将编辑后的声调语音信号转换为语音刺激。
1.6)语音刺激时，改变声调语音信号的参数，观察原始语音诱发下丘神经响应I的时间-空间分布规律。主要步骤如下：
1.6.1)多通道记录下所述记录电极在所述原始语音刺激诱发实验生物体下丘的神经响应时空分布模式I。
确定原始语音刺激输入和下丘神经响应的时空分布模式I的基本元素库。根据所述基本元素库，建立语音刺激基本元素-下丘时空响应的基本成分函数表达模式。
建立原始声调语音刺激和声刺激基本元素的解析关系：
Xspeical_o＝fx_o*Xo。 (1)
Xo是原始语音刺激输入的基本元素矩阵，主要反映声音参数。其中，x01反应声音频率，x02反应声音强度，x03反应声音的声调信息。Xspecial_o是特定的声调语音刺激。fx_o是一个特定的矩阵系数，反映了特定的原始语音刺激和语音刺激基本元素矩阵的传递函数。
1.6.2)建立原始声调语音刺激诱发的下丘神经响应I，即所述原始声调语音刺激和诱发下丘神经响应的神经响应时空分布模式I：
Yspecial_o＝fy_o*Yo。 (2)
Yo是原始语音诱发的神经响应的基本元素矩阵。Yspecial_o是原始声调语音刺激诱发的下丘神经响应的综合反应。fy_o是一个特定的矩阵系数，用于确定特定的下丘神经响应，反映了下丘神经响应的综合反应和下丘神经响应的基本成分之间的函数关系。
1.6.3)联立公式1和公式2，建立特定原始语音刺激输入和下丘神经诱发响应之间的模式：
Yspecial_o＝Fo*Xspecial_o。 (3)
Xspecial_o是特定的原始语音刺激，主要参数包括频率、强度和声调信息。Yspecial_o是特定原始语音诱发的特定的神经响应。Yspecial_o的主要参数包括发放时间间隔、发放速率、发放的空间分布。Fo是特定原始语音刺激输入和下丘神经诱发响应之间的复杂函数关系模式，反映了生物体听觉神经通路的响应属性。
联立公式1至公式3，从而得到特定原始语音刺激输入和下丘神经诱发响应之间的复杂函数关系模式Fo的表达式：
Fo＝fy_o*Yo/fx_o*Xo。 (4)
式中，Yo是原始语音诱发的神经响应的基本元素矩阵。fy_o是一个特定的矩阵系数，用于确定特定的下丘神经响应，反映了下丘神经响应的综合反应和下丘神经响应的基本成分之间的函数关系。fx_o是一个特定的矩阵系数，反映了特定的原始语音刺激和语音刺激基本元素矩阵的传递函数。
2)建立新型编码声调语音刺激诱发的下丘特定神经响应时空分布模式IIYspecial_e。
Yspecial_e＝Fe*Xspecial_e。 (5)
Yspecial_e是新型编码声调语音刺激诱发的下丘神经响应的综合反应。Fe是新型编码声调语音刺激诱发下丘神经响应的传递函数。Xspecial_e是新型编码的原始声调语音刺激。
建立新型编码声调语音刺激诱发下丘神经响应的时空模式IIYspecial_e主要步骤如下：
2.1)确定需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T。
所述需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T为HSSE编码策略。
2.2)将需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T载入语音处理模块中，所述语音信号处理模块为计算机或数字处理器，主要步骤如下：
2.2.1)对语音信号进行预处理。
所述对语音信号进行的预处理主要包括预加重、数据分帧和加窗处理。预加重采用一阶巴特沃斯高通滤波器。数据分帧在matlab软件中进行。加窗处理采用Hanning窗。
2.2.2)将语音信号频率划分为8个频段。每个所述频段对应一个语音信号通道。
2.2.3)利用软件或程序提取每个通道语音信号的基频，选取8个所述语音信号通道内幅值最大的谐波分量。
2.2.4)利用软件或程序移频处理，即将原始语音信号的频率移动到基频范围，实现信号的降频。
2.3)利用新型编码语音诱发下丘神经响应时空分布IIYspecial_e的模型建立并分析新型编码语音刺激诱发出的神经响应时空定量化模式II。
3)根据新型语音编码策略T建立对应的新型编码电刺激模式Xspecial_ele，建立Xspecial_ele诱发的生物体下丘神经响应时空模式IIIYspecial_ele，并且可以通过调整新型编码电刺激模式的参数，使其诱发的下丘神经响应时空模式IIIYspecial_ele能向原始语音刺激诱发下丘神经响应时空模式IYspecial_o的方向逼近。主要步骤如下：
3.1)声调语音信号经过时域精细结构新型编码T转换为电流刺激信号。所述电流刺激信号序列分别释放到多通道耳蜗电刺激电极上。
在电刺激器中，利用刺激电路将电压刺激转换为电流刺激。
所述电刺激器选择有线电刺激器或无线电刺激器。
在使用编码语音转换的神经电刺激器时，主要调整三个参数。所述三个参数分别为刺激脉冲频率、刺激脉宽和刺激电流强度。
所述刺激脉冲频率主要包括30Hz、200Hz、400Hz、1000Hz、1200Hz或2000Hz。所述刺激脉宽主要包括25μs、50μs或100μs。所述刺激电流强度范围为50-4000μA。
3.2)将多通道耳蜗刺激微电极置于所述实验生物体耳蜗内，主要步骤如下：
3.2.1)在手术显微镜下，听泡破壁并暴露耳蜗的圆窗和底回。
3.2.2)用钻头在耳蜗底回上打洞，将电极经该小洞塞入耳蜗的鼓阶中，使耳蜗微电极触点接近螺旋神经节细胞。
3.2.3)将电流刺激输入到刺激电极中。电流刺激经植入的刺激电极释放刺激到耳蜗。
3.3)多通道记录刺激电极在下丘区域的响应输出，即电刺激诱发下丘神经响应IIIYspecial_ele。
3.4)电刺激时，改变电刺激的参数和电刺激位置，观察下丘诱发出的神经响应IIIYspecial_ele的时间-空间分布的变化规律。
3.5)利用新型编码语音转换的电刺激诱发的下丘神经响应IIIYspecial_ele的模型，分析不同刺激模式下对下丘神经响应IIIYspecial_ele时间-空间分布的阈值和激活有效区域的规律，即分析单极刺激、双极刺激和三极刺激模式对下丘神经响应IIIYspecial_ele的影响。
3.6)建立下丘神经响应IIIYspecial_ele的数学仿真模型。
建立新型编码语音诱发下丘神经响应时空分布模式III的模型的物理电场分布采用COMSOLMultiphysics软件的AC/DC模块来进行仿真。建立新型编码语音诱发下丘神经响应时空分布模式III的模型的神经响应分布采用Neuron软件来仿真。
分析线阵电极中八电极上电场变化。所述线阵电极为直线排列的八个电极。所述八个电极等间距分布。
3.6.1)分析耳蜗听神经仿真模型中螺旋神经节细胞的电场梯度分布规律。
3.6.2)采用傅里叶-有限元法分析一个周期内耳蜗组织中电场的变化规律。
3.6.3)建立新型编码语音电刺激诱发下丘神经响应时空分布模式IIIYspecial_ele模型。
3.7)判断需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T的有效性。
通过调整语音编码对应的电刺激模式参数，使新型编码语音电刺激诱发下丘神经响应时空模式IIIYspecial_ele逼近原始语音诱发下丘神经响应时空定量化模式I。新型编码T语音电刺激诱发下丘神经响应模式IIIYspecial_ele和原始语音刺激诱发下丘神经响应模式IYspecial_o的相似度和需要验证的人工耳蜗声调语言的时域精细结构新型编码有效性成正比。
本发明针对现有人工耳蜗传统验证评估方法中存在的不足，提出下丘神经响应评估方法，该方法利用生物体下丘对声调语音的特定神经响应模式作为人工耳蜗的评估方法，既提供了生物体听觉神经通路的响应，又具有客观、定量的评估价值。
本发明具有如下的优势：本发明在输入刺激和输出响应之间建立起定量的调控模型，具备和听觉神经通路的接口，比听神经的仿真模型包含了更多的听觉神经中枢的响应信息。与传统的心理物理学评估方法相比，本发明较小程度地受人为主观因素的影响，可以更真实、更准确地反映生物体听觉通路对某种声音编码策略的接受程度。本发明适用于实验室初级研究阶段的新型语音编码策略，可以为现有CI语音编码评估方式补充辅助性的评估工具。
附图说明
图1为主要技术路线；
图2为耳蜗电刺激诱发下丘神经响应数字仿真流程图；
图3为原始语音和编码语音诱发的下丘神经响应模型示意图；
图4为语音刺激和神经电刺激诱发下丘神经响应示意图；
图5为耳蜗电刺激-下丘神经响应的电生理检测方案示意图。
具体实施方式
下面结合实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。
实施例1：
参见图1至图5，人工耳蜗声调语言的时域精细结构新型编码的验证方法，主要包括以下步骤：
1)建立原始语音诱发下丘神经响应时空定量化模式I。主要步骤如下：
1.1)选取适合听觉神经通路研究的实验生物体模型。
优选的，本实施例中选取豚鼠作为实验生物体，充分利用了豚鼠本身自然听觉神经通路来验证评估人工耳蜗声调语言的时域精细结构新型编码。
进一步，还可以选取大鼠、蒙古沙鼠等作为实验生物体。
1.2)使用CLICK声音信号对实验生物体的单耳进行听力曲线测试。测试主要包括听阈测试和听域测试。
1.3)对所述实验生物体施行开颅手术，暴露出实验耳对侧的下丘。将多通道记录电极植入所述实验生物体实验耳对侧的下丘。验证多通道记录电极阵列准确插入实验耳对侧下丘的方法为：在实验生物体实验耳的一侧播放白噪声声音信号，当多通道记录电极阵列记录到的响应节拍和声音刺激器给予的白噪声的响应节拍一致，则多通道记录电极阵列准确插入实验耳对侧的下丘。
1.4)在实验生物体实验耳的一侧播放纯音声音信号，对多通道记录电极记录到的神经元进行扫频处理，测量并控制该组神经元的特征频率，使所述特征频率分布在8kHz以下。
1.5)确定声调语音刺激信号。确定声调语音刺激信号的主要步骤如下：
I)利用labview软件构建声音刺激器。声音刺激器主要输出纯音、白噪声和声调语音刺激。
II)所述声调语音信号输入到声音刺激器中。所述声调语音信号来源于中国标准汉语普通话语音库。
III)所述声音刺激器对输入的标准汉语普通话语音元素组进行编辑，主要包括对声调语音信号元素的持续时间、语音强度和重复播放的次数进行设置。其中，一组声调语音信号包括20个标准汉语普通话语音元素，20个元素之间的顺序采用随机设置。这组声调语音信号播放10次。
III)声调语音刺激组的参数设置好后，利用16位D/A转换器将编辑后的文本信号转换为电压形式的声调语音信号，在自由音场条件下该电压形式的声调语音信号驱动扬声器输出声调语音刺激。
将声调语音信号转换为语音刺激的方法主要是：利用LabView软件对采集到的声调语音信号进行编辑。利用16位D/A转换器将编辑后的声调语音信号转换为语音刺激。
1.6)语音刺激时，改变声调语音信号的参数，观察原始语音诱发下丘神经响应I的时间-空间分布规律。主要步骤如下：
1.6.1)多通道记录下所述记录电极在所述原始语音刺激诱发实验生物体下丘的神经响应时空分布模式I。
确定原始语音刺激输入和下丘神经响应的时空分布模式I的基本元素库。根据所述基本元素库，建立语音刺激基本元素-下丘时空响应的基本成分函数表达模式。
建立原始声调语音刺激和声刺激基本元素的解析关系：
Xspeical_o＝fx_o*Xo。 (1)
Xo是原始语音刺激输入的基本元素矩阵，主要反映声音参数。其中，x01反应声音频率，x02反应声音强度，x03反应声音的声调信息。Xspecial_o是特定的声调语音刺激。fx_o是一个特定的矩阵系数，反映了特定的原始语音刺激和语音刺激基本元素矩阵的传递函数。
1.6.2)建立原始声调语音刺激诱发的下丘神经响应I，即所述原始声调语音刺激和诱发下丘神经响应的神经响应时空分布模式I：
Yspecial_o＝fy_o*Yo。 (2)
Yo是原始语音诱发的神经响应的基本元素矩阵。Yspecial_o是原始声调语音刺激诱发的下丘神经响应的综合反应。fy_o是一个特定的矩阵系数，用于确定特定的下丘神经响应，反映了下丘神经响应的综合反应和下丘神经响应的基本成分之间的函数关系。
1.6.3)联立公式1和公式2，建立特定原始语音刺激输入和下丘神经诱发响应之间的模式：
Yspecial_o＝Fo*Xspecial_o。 (3)
Xspecial_o是特定的原始语音刺激，主要参数包括频率、强度和声调信息。Yspecial_o是特定原始语音诱发的特定的神经响应。Yspecial_o的主要参数包括发放时间间隔、发放速率、发放的空间分布。Fo是特定原始语音刺激输入和下丘神经诱发响应之间的复杂函数关系模式，反映了生物体听觉神经通路的响应属性。
联立公式1至公式3，从而得到特定原始语音刺激输入和下丘神经诱发响应之间的复杂函数关系模式Fo的表达式：
Fo＝fy_o*Yo/fx_o*Xo。 (4)
式中，Yo是原始语音诱发的神经响应的基本元素矩阵。fy_o是一个特定的矩阵系数，用于确定特定的下丘神经响应，反映了下丘神经响应的综合反应和下丘神经响应的基本成分之间的函数关系。fx_o是一个特定的矩阵系数，反映了特定的原始语音刺激和语音刺激基本元素矩阵的传递函数。
2)建立新型编码声调语音刺激诱发的下丘特定神经响应时空分布模式II(Yspecial_e)。
Yspecial_e＝Fe*Xspecial_e。 (5)
Yspecial_e是新型编码声调语音刺激诱发的下丘神经响应的综合反应。Fe是新型编码声调语音刺激诱发下丘神经响应的传递函数。Xspecial_e是新型编码的原始声调语音刺激。
建立新型编码声调语音刺激诱发下丘神经响应的时空模式II(Yspecial_e)主要步骤如下：
2.1)确定需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T。
所述需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T为HSSE编码策略。
2.2)将需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T载入语音处理模块中，所述语音信号处理模块为计算机或数字处理器，主要步骤如下：
2.2.1)对语音信号进行预处理。
所述对语音信号进行的预处理主要包括预加重、数据分帧和加窗处理。预加重采用一阶巴特沃斯高通滤波器。数据分帧在matlab软件中进行。加窗处理采用Hanning窗。
2.2.2)将语音信号频率划分为8个频段。每个所述频段对应一个语音信号通道。
2.2.3)利用软件或程序提取每个通道语音信号的基频，选取8个所述语音信号通道内幅值最大的谐波分量。
2.2.4)利用软件或程序移频处理，即将原始语音信号的频率移动到基频范围，实现信号的降频。
2.3)利用新型编码语音诱发下丘神经响应时空分布II(Yspecial_e)，的模型建立并分析新型编码语音刺激诱发出的神经响应时空定量化模式II。
3)根据新型语音编码策略T建立对应的新型编码电刺激模式Xspecial_ele，建立Xspecial_ele诱发的生物体下丘神经响应时空模式III(Yspecial_ele)，并且可以通过调整新型编码电刺激模式的参数，使其诱发的下丘神经响应时空模式III(Yspecial_ele)能向原始语音刺激诱发下丘神经响应时空模式I(Yspecial_o)的方向逼近。主要步骤如下：
3.1)声调语音信号经过时域精细结构新型编码T转换为电流刺激信号。所述电流刺激信号序列分别释放到多通道耳蜗电刺激电极上。
在电刺激器中，利用刺激电路将电压刺激转换为电流刺激。
所述电刺激器选择有线电刺激器或无线电刺激器。
有线听神经电刺激器利用搭载语音编码方案的语音处理模块对输入的语音信号进行编码，形成各个刺激通道信号。对各个刺激通道的脉冲波进行调制后，产生刺激所需的脉冲信号。由刺激电路将电压刺激转换为电流刺激后输入给置于耳内的刺激电极。有线听神经电刺激器利用美国国家仪器(NI)公司开发的Lab View软件实现刺激系统，利用定向电流系数配置的多通道神经电刺激器，提高听神经电刺激对听神经刺激的分辨率，减小相邻通道之间的串扰。有线听神经电刺激器的刺激速率最高500Hz。
无线听神经电刺激器的主要结构是基于微线圈阵列的无线多通道柔性集成接口。所述集成接口包含表面电极、接收线圈和无源电路。所述无源电路采用柔性电路板工艺。利用体外的发射电路设置参数可以实现对该植入式电路输出电刺激的参数调整。无线听神经电刺激器可以将其参数范围满足听觉电刺激的需求，用到耳蜗电刺激的实验中。
在使用编码语音转换的神经电刺激器时，主要调整三个参数。所述三个参数分别为刺激脉冲频率、刺激脉宽和刺激电流强度。
所述刺激脉冲频率主要包括30Hz、200Hz、400Hz、1000Hz、1200Hz或2000Hz。所述刺激脉宽主要包括25μs、50μs或100μs。所述刺激电流强度范围为50-4000μA。
3.2)将多通道耳蜗刺激微电极置于所述实验生物体耳蜗内，主要步骤如下：
3.2.1)在手术显微镜下，听泡破壁并暴露耳蜗的圆窗和底回。
3.2.2)用钻头在耳蜗底回上打洞，将电极经该小洞塞入耳蜗的鼓阶中，使耳蜗微电极触点接近螺旋神经节细胞。
3.2.3)将电流刺激输入到刺激电极中。电流刺激经植入的刺激电极释放刺激到耳蜗。
3.3)多通道记录刺激电极在下丘区域的响应输出，即电刺激诱发下丘神经响应III(Yspecial_ele)。
3.4)电刺激时，改变电刺激的参数和电刺激位置，观察下丘诱发出的神经响应III(Yspecial_ele)的时间-空间分布的变化规律。
3.5)利用新型编码语音转换的电刺激诱发的下丘神经响应III(Yspecial_ele)的模型，分析不同刺激模式下对下丘神经响应III(Yspecial_ele)时间-空间分布的阈值和激活有效区域的规律，即分析单极刺激、双极刺激和三极刺激模式对下丘神经响应III(Yspecial_ele)的影响。
3.6)建立下丘神经响应III(Yspecial_ele)的数学仿真模型。
建立新型编码语音诱发下丘神经响应时空分布模式III的模型的物理电场分布采用COMSOLMultiphysics软件的AC/DC模块来进行仿真。建立新型编码语音诱发下丘神经响应时空分布模式III的模型的神经响应分布采用Neuron软件来仿真。
分析线阵电极中八电极上电场变化。所述线阵电极为直线排列的八个电极。所述八个电极等间距分布。
3.6.1)分析耳蜗听神经仿真模型中螺旋神经节细胞的电场梯度分布规律。
3.6.2)采用傅里叶-有限元法分析一个周期内耳蜗组织中电场的变化规律。
3.6.3)建立新型编码语音电刺激诱发下丘神经响应时空分布模式III(Yspecial_ele)模型。
3.7)判断需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T的有效性。
通过调整语音编码对应的电刺激模式参数，使新型编码语音电刺激诱发下丘神经响应时空模式III(Yspecial_ele)逼近原始语音诱发下丘神经响应时空定量化模式I。新型编码T语音电刺激诱发下丘神经响应模式III(Yspecial_ele)和原始语音刺激诱发下丘神经响应模式I(Yspecial_o)的相似度和需要验证的人工耳蜗声调语言的时域精细结构新型编码有效性成正比。
实施例2：
本实施例将人工耳蜗声调语言的时域精细结构新型编码的验证方法和听觉神经网络的数学仿真方法对比。听觉神经网络的数学仿真方法参见图2。对比步骤如下：
1)利用人工耳蜗声调语言的时域精细结构新型编码的验证方法对待验证的人工耳蜗声调语言的时域精细结构新型编码进行验证。主要步骤如下：
1.1)选取实验生物体。本实施例选取豚鼠作为实验生物体。
1.2)建立原始语音刺激诱发下丘神经响应模式I(Yspecial_o)
1.3)建立新型编码语音电刺激诱发下丘神经响应模式III(Yspecial_ele)。
1.4)通过调整语音编码对应的电刺激模式参数，使新型编码语音电刺激诱发下丘神经响应模式III(Yspecial_ele)逼近原始语音刺激诱发下丘神经响应模式I(Yspecial_o)。
1.5)新型编码语音电刺激诱发下丘神经响应模式III(Yspecial_ele)和原始语音刺激诱发下丘神经响应模式I(Yspecial_o)的相似度和需要验证的人工耳蜗声调语言的时域精细结构新型编码有效性成正比。
2)听觉神经网络的数学仿真方法对待验证的人工耳蜗声调语言的时域精细结构新型编码进行验证。主要步骤如下：
2.1)采用COMSOLMultiphysics软件的AC/DC模块建立耳蜗听神经的仿真模型。耳蜗听神经的仿真模型的电流强度范围为60～4000μA，频率范围为2000Hz，脉宽范围为25～100μs。
2.2)选取和刺激电极长轴方向垂直的截面观察电极间电流密度分布。分析线阵电极中八电极处电场变化，分析螺旋神经节细胞的电场梯度分布规律，并采用傅里叶-有限元法分析一个周期内组织中电场的变化规律。
2.3)建立下丘神经响应模型，分析不同刺激模式下对下丘神经响应时间-空间分布的阈值及激活有效区域的规律，即单极刺激、双极刺激和三极刺激模式的影响。
2.4)利用听觉神经网络的数学仿真模块对新型语音编码策略进行测试。
3)将人工耳蜗声调语言的时域精细结构新型编码T的验证方法和听觉神经网络的数学仿真方法对比。
值得说明的是，和现有技术中存在的听觉神经纤维的数学仿真方法相比，该发明中的仿真水平更高，能反映听觉初级中枢(即下丘)对输入语音信号的响应人工耳蜗时域精细结构。

Claims (10)

1.人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于，主要包括以下步骤：
1)建立所述原始语音诱发下丘神经响应时空定量化模式I；主要步骤如下：
1.1)选取适合听觉神经通路研究的实验生物体模型；
1.1)使用CLICK声音信号对实验生物体的单耳进行听力曲线测试；测试主要包括听阈测试和听域测试；
1.3)对所述实验生物体施行开颅手术，暴露出实验耳对侧的下丘；将多通道记录电极植入所述实验生物体实验耳对侧的下丘；
1.4)在实验生物体实验耳的一侧播放纯音声音信号，对多通道记录电极记录到的神经元进行扫频处理，测量并控制该组神经元的特征频率，使所述特征频率分布在8kHz以下；
1.5)确定声调语音刺激信号。
1.6)语音刺激时，改变声调语音信号的参数，观察原始语音诱发下丘神经响应I的时间-空间分布规律；主要步骤如下：
1.6.1)多通道记录下所述记录电极在所述原始语音刺激诱发实验生物体下丘的神经响应时空分布模式I；
确定原始语音刺激输入和下丘神经响应的时空分布模式I的基本元素库；根据所述基本元素库，建立语音刺激基本元素-下丘时空响应的基本成分函数表达模式；
建立原始声调语音刺激和声刺激基本元素的解析关系：
Xspeical_o＝fx_o*Xo； (1)
Xo是原始语音刺激输入的基本元素矩阵，主要反映声音参数；其中，x01反应声音频率，x02反应声音强度，x03反应声音的声调信息；Xspecial_o是特定的声调语音刺激。fx_o是一个特定的矩阵系数，反映了特定的原始语音刺激和语音刺激基本元素矩阵的传递函数；
1.6.2)建立原始声调语音刺激诱发的下丘神经响应I，即所述原始声调语音刺激和诱发下丘神经响应的神经响应时空分布模式I：
Yspecial_o＝fy_o*Yo； (2)
Yo是原始语音诱发的神经响应的基本元素矩阵；Yspecial_o是原始声调语音刺激诱发的下丘神经响应的综合反应；fy_o是一个特定的矩阵系数，用于确定特定的下丘神经响应，反映了下丘神经响应的综合反应和下丘神经响应的基本成分之间的函数关系；
1.6.3)联立公式1和公式2，建立特定原始语音刺激输入和下丘神经诱发响应之间的模式：
Yspecial_o＝Fo*Xspecial_o； (3)
Xspecial_o是特定的原始语音刺激，主要参数包括频率、强度和声调信息；Yspecial_o是特定原始语音诱发的特定的神经响应；Yspecial_o的主要参数包括发放时间间隔、发放速率、发放的空间分布；Fo是特定原始语音刺激输入和下丘神经诱发响应之间的复杂函数关系模式，反映了生物体听觉神经通路的响应属性；
联立公式1至公式3，从而得到特定原始语音刺激输入和下丘神经诱发响应之间的复杂函数关系模式Fo的表达式：
Fo＝fy_o*Yo/fx_o*Xo； (4)
式中，Yo是原始语音诱发的神经响应的基本元素矩阵；fy_o是一个特定的矩阵系数，用于确定特定的下丘神经响应，反映了下丘神经响应的综合反应和下丘神经响应的基本成分之间的函数关系；fx_o是一个特定的矩阵系数，反映了特定的原始语音刺激和语音刺激基本元素矩阵的传递函数；
2)建立新型编码声调语音刺激诱发的下丘特定神经响应时空分布模式IIYspecial_e；
Yspecial_e＝Fe*Xspecial_e； (5)
Yspecial_e是新型编码声调语音刺激诱发的下丘神经响应的综合反应；Fe是新型编码声调语音刺激诱发下丘神经响应的传递函数；Xspecial_e是新型编码的原始声调语音刺激；
建立新型编码声调语音刺激诱发下丘神经响应的时空模式IIYspecial_e主要步骤如下：
2.1)确定需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T；
2.2)将需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T载入语音处理模块中，主要步骤如下：
2.2.1)对语音信号进行预处理；
2.2.2)将语音信号频率划分为8个频段；每个所述频段对应一个语音信号通道；
2.2.3)利用软件或程序提取每个通道语音信号的基频，选取8个所述语音信号通道内幅值最大的谐波分量；
2.2.4)利用软件或程序移频处理，即将原始语音信号的频率移动到基频范围，实现信号的降频；
2.3)利用新型编码语音诱发下丘神经响应时空分布IIYspecial_e，的模型建立并分析新型编码语音刺激诱发出的神经响应时空定量化模式II；
3)根据新型语音编码策略T建立对应的新型编码电刺激模式Xspecial_ele，建立Xspecial_ele诱发的生物体下丘神经响应时空模式IIIYspecial_ele，并且可以通过调整新型编码电刺激模式的参数，使其诱发的下丘神经响应时空模式IIIYspecial_ele能向原始语音刺激诱发下丘神经响应时空模式IYspecial_o的方向逼近。主要步骤如下：
3.1)声调语音信号经过时域精细结构新型编码T转换为电流刺激信号；所述电流刺激信号序列分别释放到多通道耳蜗电刺激电极上；
在电刺激器中，利用刺激电路将电压刺激转换为电流刺激。
3.2)将多通道耳蜗刺激微电极置于所述实验生物体耳蜗内，主要步骤如下：
3.2.1)在手术显微镜下，听泡破壁并暴露耳蜗的圆窗和底回；
3.2.2)用钻头在耳蜗底回上打洞，将电极经该小洞塞入耳蜗的鼓阶中，使耳蜗微电极触点接近螺旋神经节细胞。
3.2.3)将电流刺激输入到刺激电极中；电流刺激经植入的刺激电极释放刺激到耳蜗；
3.3)多通道记录刺激电极在下丘区域的响应输出，即电刺激诱发下丘神经响应IIIYspecial_ele；
3.4)电刺激时，改变电刺激的参数和电刺激位置，观察下丘诱发出的神经响应IIIYspecial_ele的时间-空间分布的变化规律；
3.5)利用新型编码语音转换的电刺激诱发的下丘神经响应IIIYspecial_ele的模型，分析不同刺激模式下对下丘神经响应IIIYspecial_ele时间-空间分布的阈值和激活有效区域的规律，即分析单极刺激、双极刺激和三极刺激模式对下丘神经响应IIIYspecial_ele的影响；
3.6)建立下丘神经响应IIIYspecial_ele的数学仿真模型。
分析线阵电极中八电极上电场变化；所述线阵电极为直线排列的八个电极；所述八个电极等间距分布；
3.6.1)分析耳蜗听神经仿真模型中螺旋神经节细胞的电场梯度分布规律；
3.6.2)采用傅里叶-有限元法分析一个周期内耳蜗组织中电场的变化规律。
3.6.3)建立新型编码语音电刺激诱发下丘神经响应时空分布模式IIIYspecial_ele模型；
3.7)判断需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T的有效性；
通过调整语音编码对应的电刺激模式参数，使新型编码语音电刺激诱发下丘神经响应时空模式IIIYspecial_ele逼近原始语音诱发下丘神经响应时空定量化模式I；新型编码T语音电刺激诱发下丘神经响应模式IIIYspecial_ele和原始语音刺激诱发下丘神经响应模式IYspecial_o的相似度和需要验证的人工耳蜗声调语言的时域精细结构新型编码有效性成正比。
2.根据权利要求1所述的人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于：声音刺激器主要输出纯音、白噪声和声调语音刺激。
3.根据权利要求1或2所述的人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于：所述电刺激器选择有线电刺激器或无线电刺激器；
在使用编码语音转换的神经电刺激器时，主要调整三个参数；所述三个参数分别为刺激脉冲频率、刺激脉宽和刺激电流强度；
所述刺激脉冲频率主要包括30Hz、200Hz、400Hz、1000Hz、1200Hz或2000Hz；所述刺激脉宽主要包括25μs、50μs或100μs；所述刺激电流强度范围为50-4000μA。
4.根据权利要求1或2所述的人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于：将声调语音信号转换为语音刺激的方法主要是：利用LabView软件对采集到的声调语音信号进行编辑；利用16位D/A转换器将编辑后的声调语音信号转换为语音刺激。
5.根据权利要求1或4所述的人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于：建立新型编码语音诱发下丘神经响应时空分布模式III的模型的物理电场分布采用COMSOLMultiphysics软件的AC/DC模块来进行仿真；建立新型编码语音诱发下丘神经响应时空分布模式III的模型的神经响应分布采用Neuron软件来仿真。
6.根据权利要求1或2所述的人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于：所述语音信号处理模块为计算机或数字处理器。
7.根据权利要求1或3所述的人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于：验证多通道记录电极阵列准确插入实验耳对侧下丘的方法为：在实验生物体实验耳的一侧播放白噪声声音信号，当多通道记录电极阵列记录到的响应节拍和声音刺激器给予的白噪声的响应节拍一致，则多通道记录电极阵列准确插入实验耳对侧的下丘。
8.根据权利要求1或2所述的人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于：确定声调语音刺激信号的主要步骤如下：
1)利用labview软件构建声音刺激器；
2)所述声调语音信号输入到声音刺激器中；所述声调语音信号来源于中国标准汉语普通话语音库；
3)所述声音刺激器对输入的标准汉语普通话语音元素组进行编辑，主要包括对声调语音信号元素的持续时间、语音强度和重复播放的次数进行设置；其中，一组声调语音信号包括20个标准汉语普通话语音元素，20个元素之间的顺序采用随机设置；这组声调语音信号播放10次；
4)声调语音刺激组的参数设置好后，利用16位D/A转换器将编辑后的文本信号转换为电压形式的声调语音信号，在自由音场条件下该电压形式的声调语音信号驱动扬声器输出声调语音刺激。
9.根据权利要求1或2所述的人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于：所述需要验证的人工耳蜗声调语言的时域精细结构新型编码策略T为HSSE编码策略。
10.根据权利要求1或2所述的人工耳蜗声调语言的时域精细结构新型编码的验证方法，其特征在于：所述对语音信号进行的预处理主要包括预加重、数据分帧和加窗处理；预加重采用一阶巴特沃斯高通滤波器；数据分帧在matlab软件中进行；加窗处理采用Hanning窗。
CN201811078979.9A 2018-09-17 2018-09-17 人工耳蜗声调语言的时域精细结构新型编码的验证方法 Active CN109036569B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811078979.9A CN109036569B (zh) 2018-09-17 2018-09-17 人工耳蜗声调语言的时域精细结构新型编码的验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811078979.9A CN109036569B (zh) 2018-09-17 2018-09-17 人工耳蜗声调语言的时域精细结构新型编码的验证方法

Publications (2)

Publication Number Publication Date
CN109036569A true CN109036569A (zh) 2018-12-18
CN109036569B CN109036569B (zh) 2022-04-12

Family

ID=64621822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811078979.9A Active CN109036569B (zh) 2018-09-17 2018-09-17 人工耳蜗声调语言的时域精细结构新型编码的验证方法

Country Status (1)

Country Link
CN (1) CN109036569B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111050262A (zh) * 2020-01-10 2020-04-21 杭州耳青聪科技有限公司 一种智能语音增强的实时电子耳蜗调试系统
CN111150934A (zh) * 2019-12-27 2020-05-15 重庆大学 人工耳蜗汉语声调编码策略的评估系统
CN111428818A (zh) * 2020-04-22 2020-07-17 浙江工业大学 基于神经通路激活状态的深度学习模型测试方法与装置
WO2022178316A1 (en) * 2021-02-18 2022-08-25 The Johns Hopkins University Processing input signals using machine learning for neural activation

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101081188A (zh) * 2006-05-31 2007-12-05 复旦大学附属眼耳鼻喉科医院 全植入式人工耳蜗及其制备方法
CN101645267A (zh) * 2009-04-03 2010-02-10 中国科学院声学研究所 一种应用于电子耳蜗的语音处理方法
CN103054587A (zh) * 2012-12-20 2013-04-24 清华大学 基于听觉稳态响应的言语测听方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101081188A (zh) * 2006-05-31 2007-12-05 复旦大学附属眼耳鼻喉科医院 全植入式人工耳蜗及其制备方法
CN101645267A (zh) * 2009-04-03 2010-02-10 中国科学院声学研究所 一种应用于电子耳蜗的语音处理方法
CN103054587A (zh) * 2012-12-20 2013-04-24 清华大学 基于听觉稳态响应的言语测听方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JOSÉ LUIS OROPEZA RODRÍGUEZ 等: "Using a model of the cochlea based in the micro", 《2013 12TH MEXICAN INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE》 *
邹嘉宇 等: "基于DSP的电子耳蜗语音编码及无线传输", 《嵌入式系统应用》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111150934A (zh) * 2019-12-27 2020-05-15 重庆大学 人工耳蜗汉语声调编码策略的评估系统
CN111050262A (zh) * 2020-01-10 2020-04-21 杭州耳青聪科技有限公司 一种智能语音增强的实时电子耳蜗调试系统
CN111428818A (zh) * 2020-04-22 2020-07-17 浙江工业大学 基于神经通路激活状态的深度学习模型测试方法与装置
CN111428818B (zh) * 2020-04-22 2023-06-02 浙江工业大学 基于神经通路激活状态的深度学习模型测试方法与装置
WO2022178316A1 (en) * 2021-02-18 2022-08-25 The Johns Hopkins University Processing input signals using machine learning for neural activation

Also Published As

Publication number Publication date
CN109036569B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN109036569A (zh) 人工耳蜗声调语言的时域精细结构新型编码的验证方法
Nie et al. Encoding frequency modulation to improve cochlear implant performance in noise
CN102467615B (zh) 建构个人化神经刺激模型的系统及方法
CN108834397A (zh) 用于治疗听觉系统的神经障碍的装置和方法
Munkong et al. Auditory perception and cognition
EP2125102B1 (en) Stimulating auditory nerve fibers to provide pitch representation
Clark Electrical stimulation of the auditory nerve: the coding of frequency, the perception of pitch and the development of cochlear implant speech processing strategies for profoundly deaf people
Imennov et al. Stochastic population model for electrical stimulation of the auditory nerve
US10300269B2 (en) Systems and methods for neuromodulation device coding with trans-species libraries
Harczos et al. Making use of auditory models for better mimicking of normal hearing processes with cochlear implants: the SAM coding strategy
CN101716108A (zh) 一种电子耳蜗信号处理及电刺激编码系统及其处理方法
Brochier et al. From microphone to phoneme: an end-to-end computational neural model for predicting speech perception with cochlear implants
Millar et al. Speech processing for cochlear implant prostheses
Saeedi et al. An integrated model of pitch perception incorporating place and temporal pitch codes with application to cochlear implant research
Tabibi et al. Phenomenological model of auditory nerve population responses to cochlear implant stimulation
CN103989482A (zh) 用于幻听检测的声音刺激器及用于幻听检测的装置
Swanson Pitch perception with cochlear implants
Farhadi et al. Subcortical auditory model including efferent dynamic gain control with inputs from cochlear nucleus and inferior colliculus
Jain et al. Acoustic simulation of cochlear implant hearing: Effect of manipulating various acoustic parameters on intelligibility of speech
CN100399275C (zh) 电子耳蜗听觉仿真平台及其语音处理算法比较方法
Svirsky Mathematical modeling of vowel perception by users of analog multichannel cochlear implants: Temporal and channel-amplitude cues
Rattay Basics of hearing theory and noise in cochlear implants
Sagi et al. A mathematical model of vowel identification by users of cochlear implants
Hu et al. A model framework for simulating spatial hearing of bilateral cochlear implant users
Alvarez et al. A computational model to simulate spectral modulation and speech perception experiments of cochlear implant users

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20220321

Address after: 400044 No. 174 Sha Jie street, Shapingba District, Chongqing

Applicant after: Chongqing University

Address before: 400044 No. 174 Sha Jie street, Shapingba District, Chongqing

Applicant before: Chongqing University

Applicant before: Jiangsu Yuyue Medical Equipment Co., Ltd

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant