CN112971776A - 一种确定听力检测波形中特征波形位置的方法及装置 - Google Patents
一种确定听力检测波形中特征波形位置的方法及装置 Download PDFInfo
- Publication number
- CN112971776A CN112971776A CN202110420585.2A CN202110420585A CN112971776A CN 112971776 A CN112971776 A CN 112971776A CN 202110420585 A CN202110420585 A CN 202110420585A CN 112971776 A CN112971776 A CN 112971776A
- Authority
- CN
- China
- Prior art keywords
- waveform
- data
- hearing
- wave
- training
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 87
- 238000003062 neural network model Methods 0.000 claims abstract description 63
- 208000016621 Hearing disease Diseases 0.000 claims abstract description 7
- 238000012074 hearing test Methods 0.000 claims description 61
- 238000012360 testing method Methods 0.000 claims description 29
- 210000000133 brain stem Anatomy 0.000 claims description 24
- 230000000763 evoking effect Effects 0.000 claims description 22
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 5
- 239000010410 layer Substances 0.000 description 29
- 238000013528 artificial neural network Methods 0.000 description 12
- 238000005070 sampling Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000638 stimulation Effects 0.000 description 6
- 238000003759 clinical diagnosis Methods 0.000 description 5
- 238000012076 audiometry Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 208000000781 Conductive Hearing Loss Diseases 0.000 description 2
- 206010010280 Conductive deafness Diseases 0.000 description 2
- 208000023563 conductive hearing loss disease Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000000613 ear canal Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 210000003454 tympanic membrane Anatomy 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010050337 Cerumen impaction Diseases 0.000 description 1
- 206010011891 Deafness neurosensory Diseases 0.000 description 1
- 206010065838 Middle ear inflammation Diseases 0.000 description 1
- 208000008719 Mixed Conductive-Sensorineural Hearing Loss Diseases 0.000 description 1
- 206010033078 Otitis media Diseases 0.000 description 1
- 208000009966 Sensorineural Hearing Loss Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000003984 auditory pathway Anatomy 0.000 description 1
- 208000027115 auditory system disease Diseases 0.000 description 1
- 210000002939 cerumen Anatomy 0.000 description 1
- 210000003477 cochlea Anatomy 0.000 description 1
- 210000000860 cochlear nerve Anatomy 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013028 emission testing Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000002388 eustachian tube Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000016354 hearing loss disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 208000023573 sensorineural hearing loss disease Diseases 0.000 description 1
- 210000001088 stapedius Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/12—Audiometering
- A61B5/121—Audiometering evaluating hearing capacity
- A61B5/123—Audiometering evaluating hearing capacity subjective methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/12—Audiometering
- A61B5/121—Audiometering evaluating hearing capacity
- A61B5/125—Audiometering evaluating hearing capacity objective methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Otolaryngology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种确定听力检测波形中特征波形位置的方法，首先获取目标听力检测波形，所述目标听力检测波形包括用于诊断听力障碍的特征波形，所述目标听力检测波形包括M个数据，M为大于一的整数，所述M个数据中的每个数据均包括时间和所述时间对应的电位；在获取所述目标听力检测波形后，将所述目标听力检测波形输入神经网络模型，得到所述目标听力检测波形中特征波形的位置，其中：所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形包括N个数据，N为大于一的整数，所述N个数据中每个数据均包括时间和与所述N个数据中每个数据所包括的时间对应的电位。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种确定听力检测波形中特征波形位置的方法及装置。
背景技术
声导抗测听、耳声发射检测及听性脑干诱发电位检测等听力检测被普遍应用于听觉疾病的筛查与诊断，检测得到的数据通常以波形显示。在得到上述听力检测波形后，通常将检测的波形中特征波形的相关参数作为临床上的诊断依据。因此，为得到特征波形的相关参数，首先要从检测得到的波形中确定特征波形的位置。
由于上述听力检测波形规律复杂，且波形提取过程中会受到背景噪声等干扰，当前，识别波形中特征波形位置仍需要专业人员进行人为识别标记。这一识别方法的识别准确性不但依赖于工作人员的经验与能力，而且人为标记严重影响识别效率，给临床诊断带来很大影响。
因此，急需一种方法，可以解决上述问题。
发明内容
本申请所要解决的技术问题是，提供一种确定听力检测波形中特征波形位置的方法，以解决当前，识别听力检测波形中特征波形位置需要专业人员进行人为识别标记，这一识别方法的识别准确性不但依赖于工作人员的经验与能力，而且人为标记严重影响识别效率，给临床诊断带来很大影响的问题。
第一方面，本申请实施例提供了一种确定听力检测波形中特征波形位置的方法，所述方法包括：
获取目标听力检测波形，所述目标听力检测波形包括用于诊断听力障碍的特征波形，所述目标听力检测波形包括M个数据，M为大于一的整数，所述M个数据中的每个数据均包括时间和所述时间对应的电位；
将所述目标听力检测波形输入神经网络模型，得到所述目标听力检测波形中特征波形的位置，其中：
所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形包括N个数据，N为大于一的整数，所述N个数据中每个数据均包括时间和与所述N个数据中每个数据所包括的时间对应的电位。
可选的，所述方法还包括：
获取所述N个数据中每个数据的分类标签，所述分类标签用于确定所述训练听力检测波形中特征波形的位置。
可选的，所述神经网络模型包括三层双向长短期记忆BiLSTM网络。
可选的，所述目标听力检测波形和所述训练听力检测波形为同种波形，所述目标听力检测波形为以下任意一种：
声导抗测听波形、耳声发射检测波形、以及听性脑干诱发电位检测波形。
可选的，所述目标听力检测波形为所述听性脑干诱发电位检测波形时，所述特征波形为波I、波III和波V中的其中一项或者多项。
第二方面，本申请实施例提供了一种确定听力检测波形中特征波形位置的装置，所述装置包括：
第一获取模块，用于：获取目标听力检测波形，所述目标听力检测波形包括用于诊断听力障碍的特征波形，所述目标听力检测波形包括M个数据，M为大于一的整数，所述M个数据中的每个数据均包括时间和所述时间对应的电位；
输入模块，用于：将所述目标听力检测波形输入神经网络模型，得到所述目标听力检测波形中特征波形的位置，其中：
所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形包括N个数据，N为大于一的整数，所述N个数据中每个数据均包括时间和与所述N个数据中每个数据所包括的时间对应的电位。
可选的，所述装置还包括：
第二获取模块，用于：获取所述N个数据中每个数据的分类标签，所述分类标签用于确定所述训练听力检测波形中特征波形的位置。
可选的，所述神经网络模型包括三层双向长短期记忆BiLSTM网络。
可选的，所述目标听力检测波形和所述训练听力检测波形为同种波形，所述目标听力检测波形为以下任意一种：
声导抗测听波形、耳声发射检测波形、以及听性脑干诱发电位检测波形。
可选的，所述目标听力检测波形为所述听性脑干诱发电位检测波形时，所述特征波形为波I、波III和波V中的其中一项或者多项。
与现有技术相比，本申请实施例具有以下优点：
本申请实施例提供了一种确定听力检测波形中特征波形位置的方法，首先获取目标听力检测波形，所述目标听力检测波形包括用于诊断听力障碍的特征波形，所述目标听力检测波形包括M个数据，M为大于一的整数，所述M个数据中的每个数据均包括时间和所述时间对应的电位；在获取所述目标听力检测波形后，将所述目标听力检测波形输入神经网络模型，得到所述目标听力检测波形中特征波形的位置，其中：所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形包括N个数据，N为大于一的整数，所述N个数据中每个数据均包括时间和与所述N个数据中每个数据所包括的时间对应的电位。由于所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形为特征波形位置信息已知的听力检测波形。因此，通过该神经网络模型，可以根据所述目标听力检测波形，确定所述目标听力检测波形中特征波形的位置信息。采用本方法，无需人工识别标记听力检测波形中特征波形的位置，可以解决采用人工识别标记的方法时，识别准确性依赖于工作人员的经验与能力的问题，有效提高识别准确率以及识别效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种确定听力检测波形中特征波形位置的方法的流程示意图；
图2为本申请实施例中一种听性脑干诱发电位检测波形示意图；
图3为本申请实施例中采用不同神经网络的神经网络模型在误差为0.1ms内、在0.15ms内以及在0.2ms内的识别率；
图4为本申请实施例中一种确定听力检测波形中特征波形位置的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的发明人经过研究发现，当前，识别听力检测波形中特征波形位置需要专业人员进行人为识别标记，这一识别方法的识别准确性不但依赖于工作人员的经验与能力，而且人为标记严重影响识别效率，给临床诊断带来很大影响的问题。
为了解决上述问题，本申请实施例提供了一种确定听力检测波形中特征波形位置的方法。首先获取目标听力检测波形，所述目标听力检测波形包括用于诊断听力障碍的特征波形，所述目标听力检测波形包括M个数据，M为大于一的整数，所述M个数据中的每个数据均包括时间和所述时间对应的电位；在获取所述目标听力检测波形后，将所述目标听力检测波形输入神经网络模型，得到所述目标听力检测波形中特征波形的位置，其中：所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形包括N个数据，N为大于一的整数，所述N个数据中每个数据均包括时间和与所述N个数据中每个数据所包括的时间对应的电位。由于所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形为特征波形位置信息已知的听力检测波形。因此，通过该神经网络模型，可以根据所述目标听力检测波形，确定所述目标听力检测波形中特征波形的位置信息。采用本方法，无需人工识别标记听力检测波形中特征波形的位置，可以解决采用人工识别标记的方法时，识别准确性依赖于工作人员的经验与能力的问题，有效提高识别准确率以及识别效率。
下面结合附图，详细说明本申请的各种非限制性实施方式。
示例性方法
参见图1，示出了本申请实施例中一种确定听力检测波形中特征波形位置的方法的流程示意图。图1所示的方法，在一种实现方式中，可以由例如计算机执行。
S101：获取目标听力检测波形。
在本申请实施例中，为判断检测者的听力水平，可以对所述检测者进行听力学测试，在进行听力学测试后，可以得到相应的听力学测试结果，所述听力学测试结果通常是波形，即目标听力检测波形，所述目标听力检测波形是检测者进行听力学测试后得到的听力学测试结果，例如可以是声导抗测听波形、耳声发射检测波形、以及听性脑干诱发电位检测波形中的任意一种。其中，所述声导抗测听通常用以对中耳炎症、咽鼓管功能及镫骨肌反射的了解与诊断，一般用于鉴别传导性听力损失和混合听力损失；所述耳声发射是一种产生于耳蜗，经听骨链及鼓膜传导释放入外耳道的音频能量；所述听性脑干诱发电位是一种由声刺激引起的神经冲动在脑干听觉传导通路上的电活动，能反映听觉神经和听觉低位中枢的功能状态，并且反映脑干听觉通路的传导能力的电位。
所述目标听力检测波形包括M个数据，M为大于一的整数，所述M个数据中的每个数据均包括时间和所述时间对应的电位。所述M个数据中的每个数据所包括的时间用于表征所述数据在所述目标听力检测波形中的位置，所述时间对应的电位能够体现检测者的听力水平。在得到所述电位后，可以根据通用标准中电位与检测者能够听到的声音强度之间的对应关系，得到所述电位对应的检测者能够听到的声音强度，根据所述声音强度，判断所述检测者的听力水平。
需要说明的是，所述M个数据可以通过对所述目标听力检测波形进行采样得到，在一个示例中，例如可以在对所述检测者进行声强刺激前12.78毫秒，至声强刺激后12.80毫秒的时间段内，以相同的时间间隔进行采样。例如采样间隔可以为0.025毫秒，此时M=1024。假设进行声强刺激的时刻为0毫秒，可以理解的是，从0毫秒开始采集到的数据是判断所述检测者的有效数据，同时，考虑到声强刺激后12.80毫秒附近的数据很可能存在异常数据，因此，为确保采集到的数据能够准确判断所述检测者的听力水平，在一个示例中，可以选取0-8毫秒这一时间段进行数据采集，此时M可以为321。
S102：将所述目标听力检测波形输入神经网络模型，得到所述目标听力检测波形中特征波形的位置。
在本实施例中，所述神经网络模型可以由五部分组成，依次为：输入层、神经网络层、全连接层、softmax层以及分类层。其中，所述输入层用于将听力检测波形中的多个数据输入所述神经网络层；所述神经网络层可以为单层长短期记忆（Long Short-Term Memory,LSTM）网络、双层LSTM网络、单层双向长短期记忆（Bi-directional Long Short-TermMemory，BiLSTM）网络、双层BiLSTM网络、三层BiLSTM网络、四层BiLSTM网络或五层BiLSTM网络中的任意一种；所述全连接层用于将所述神经网络层中的分布式特征映射到样本标记空间；所述softmax层用于向所述样本标记空间加入非线性因素，并将所述分布式特征映射到高维非线性空间；所述分类层用于对所述听力检测波形中的波形进行分类，将所述听力检测波形中的波形标记为特征波形与非特征波形。
双向BiLSTM原理上和单向LSTM网络基本相同，但是在依时间顺序前向传播的基础上，加入了另一个依时间逆序反向传播的LSTM层。最终的输出由前向和后向两个LSTM层的输出共同决定。这样的网络结构，更能反映出每个预测点前后的信息特征，从而做出更精准的识别。
在本申请实施例中，所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形是特征波形的位置已知的听力检测波形，所述训练听力检测波形和所述目标听力检测波形为同种波形，例如可以同为声导抗测听波形、或同为耳声发射检测波形、或同为听性脑干诱发电位检测波形。所述训练听力检测波形包括N个数据，N为大于一的整数，所述N个数据中每个数据均包括时间和与所述N个数据中每个数据所包括的时间对应的电位。需要说明的是，所述N个数据可以通过对所述训练听力检测波形进行采样得到，在一个示例中，对所述训练听力检测波形进行采样的采样方法可以与对所述目标听力检测波形进行采样的采样方法相同，在此不再赘述。由于所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形为特征波形位置信息已知的听力检测波形。因此，通过该神经网络模型，可以根据所述目标听力检测波形，确定所述目标听力检测波形中特征波形的位置信息。采用本方法，无需人工识别标记听力检测波形中特征波形的位置，可以解决采用人工识别标记的方法时，识别准确性依赖于工作人员的经验与能力的问题，有效提高识别准确率以及识别效率。
参见图2，示出了本申请实施例中一种听性脑干诱发电位检测波形的示意图。其中，由于波I、波III和波V较为稳定可靠，在临床诊断时，通常将所述波I、所述波III和所述波V作为诊断的依据，因此，在一个示例中，所述波I、所述波III和所述波V可以是所述听性脑干诱发电位检测波形的特征波形。
需要说明的是，声导抗测听波形或耳声发射检测波形通常只含有一个稳定可靠的波，因此，通常将该稳定可靠的波作为声导抗测听波形或耳声发射检测波形的特征波形。
在一个示例中，为训练所述神经网络模型，可以获取所述N个数据中每个数据的分类标签，所述分类标签用于确定所述训练听力检测波形中特征波形的位置。在获取所述N个数据中每个数据的分类标签后，根据所述训练听力检测波形以及所述N个数据中每个数据的分类标签，训练所述神经网络模型。需要说明的是，所述数据的所述分类标签可以包括两种，分别表示所述数据是能够体现特征波形位置的数据、或所述数据是不能体现特征波形位置的数据。为方便描述，下面将表示所述数据是能够体现特征波形位置的数据的分类标签记为标签1，将表示所述数据是不能体现特征波形位置的数据的分类标签记为标签0。可以理解的是，所述计算机可以根据所述N个数据中所述分类标签为所述标签1的数据，确定所述训练听力检测波形中特征波形的位置。
需要说明的是，用于训练所述神经网络模型的所述N个数据中每个数据的所述分类标签可以是人为预先标记的，在从所述训练听力检测波形中选取所述N个数据标记所述分类标签时，以所述听性脑干诱发电位检测波形为例，可以选取所述波I、所述波III和所述波V各自波峰附近的数据，在一个示例中，例如可以将所述波I、所述波III和所述波V的各自波峰点对应的数据标记为标签1，将所述N个数据中其余N-3个数据标记为标签0。根据所述训练听力检测波形，3个所述标签1、N-3个所述标签0，训练所述神经网络模型。
在确定出所述3个特征波形后，可以根据所述N个数据中所述分类标签为标签1的数据所包括的时间，区分上述3个特征波形。由于所述波I在所述训练听力检测波形中的位置先于所述波III在所述训练听力检测波形中的位置，所述波III在所述训练听力检测波形中的位置先于所述波V在所述训练听力检测波形中的位置，因此，体现所述波I位置的数据出现在体现所述波III位置的数据之前，体现所述波III位置的数据出现在体现所述波V位置的数据之前。假设所述分类标签为标签1的3个数据分别为数据1、数据2以及数据3，所述数据1的时间先于所述数据2的时间，所述数据2的时间先于所述数据3的时间，则根据上述三个数据所包括的时间，可以确定所述数据1是体现所述波I位置的数据，所述数据2是体现所述波III位置的数据，所述数据3是体现所述波V位置的数据。
考虑到人为标记信息可能会带来误差，仅将所述波I、所述波III和所述波V的各自波峰点对应的数据标记为标签1，可能会使训练的所述神经网络模型不够准确。为得到更好的训练效果，可以将所述波I、所述波III和所述波V的各自波峰点及附近的n个数据标记为标签1，在一个示例中，n为正偶数。例如，n=8，即所述波I、所述波III和所述波V中所述分类标签为标签1的数据各自有9个，此时可以根据所述训练听力检测波形，27个所述标签1、N-27个所述标签0，训练所述神经网络模型。通过扩增标记为标签1的所述分类标签的数量，能够根据更多体现所述特征波形位置的数据训练所述神经网络模型，使得训练得到的所述神经网络模型更加准确。
在一个示例中，将所述目标听力检测波形输入所述神经网络模型后，得到的所述目标听力检测波形中特征波形的位置往往具有如下特征：
所述神经网络模型首先确定所述波V，通常情况下，所述波V的出现率为100％，潜伏期（PL）在5.5～8.2ms之间，多数在6.0ms附近，在刺激声强的大小接近于病人的反应阈值时，有时仅能在所述目标听力检测波形中确定PL明显延长的波V；在找到所述波V后，所述神经网络模型可以在所述波V的PL之前，例如所述波V的左侧，寻找所述波III，通常情况下，所述波III与所述波V的波间期（IPL）在1.8～2.2ms之间；接着，所述神经网络模型可以在所述波III左侧寻找所述波Ⅰ，一般情况下，所述波I与所述波III的IPL在1.9～2.3ms之间。需要说明的是，每一例病人在检测前应检查外耳道，取出耵聍，了解鼓膜的情况以提示有无传导性听力损失，以及根据纯音测听图提示有无感音神经性聋，但因神经科的病人在检测前无法进行外耳检查，所以如有上述情况对波形的分化有影响，尤其是老年患者，对所述波I的影响极其明显，有时会出现所述神经网络模型找不到所述波I的情况。
在训练所述神经网络模型后，可以采用K折交叉验证的方式，对所述神经网络模型确定所述听力检测波形中特征波形位置的准确率进行验证。在一个示例中，假设所述训练听力检测波形有K个，每一个所述训练听力检测波形均包括N个数据。首先将所述K个波形分为训练集和测试集，所述训练集用于训练所述神经网络模型，例如可以包括所述K个波形中的K-1个波形；所述测试集用于对采用所述K-1个波形训练得到的所述神经网络模型进行验证，例如可以包括所述K个波形中，除所述K-1个波形以外的1个波形。在验证后计算损失函数，所述损失函数用于评价所述神经网络模型预测的所述特征波形在所述听力检测波形中的位置与真实值不一致的程度。通过采用不同的验证集对所述神经网络模型进行K折交叉验证，并分别计算采用不同的验证集时所述神经网络模型的损失函数，得到所述神经网络模型损失函数的平均值。
在一个示例中，通过所述神经网络模型得到的所述特征波形在所述听性脑干诱发电位检测波形中的位置，与所述特征波形在所述听性脑干诱发电位检测波形中的实际位置之间的误差，可以根据所述损失函数的平均值确定。所述误差可以以时间间隔表示，例如可以为0.1ms内、0.15ms内以及0.2ms内，表示实际位置与通过所述模型得到的位置之间的时间。例如，假设通过所述神经网络模型得到的所述特征波形在所述听性脑干诱发电位检测波形中的位置为1.5ms位置处，所述特征波形在所述听性脑干诱发电位检测波形中的实际位置为1.8ms位置处，此时所述误差为0.3ms。在确定所述误差后，可以进一步得到在某一误差范围内，所述模型准确确定出特征波形位置的所述训练听力检测波形的个数，记为数量A。通过比较不同神经网络模型的所述数量A与进行训练的所述训练听力检测模型的总数之间的比值，可以确定所述神经网络的识别准确率，其中，比值越大，说明确定出特征波形位置的所述训练听力检测波形的比例越高，识别率越高。
为说明采用不同神经网络的神经网络模型在误差为0.1ms内、0.15ms内以及0.2ms内的识别率，下面以图4进行说明。
参见图3，示出了本申请实施例中采用不同神经网络的神经网络模型在误差为0.1ms内、在0.15ms内以及在0.2ms内的识别率。图 4中横坐标表示所述神经网络模型采用的神经网络，分别为所述LSTM网络、所述双层LSTM网络、所述BiLSTM网络、所述双层BiLSTM网络、所述三层BiLSTM网络、所述四层BiLSTM网络或所述五层BiLSTM网络；图 4中纵坐标表示在某一误差范围内，所述神经网络模型的所述数量A与进行训练的所述训练听力检测模型的总数之间的比值，即在某一误差范围内，所述神经网络模型能够识别出所述特征波形位置的所述训练听力检测波形的个数，在进行训练的全部所述训练听力检测波形个数中的比例。不难发现，每条折线中，纵坐标值最大的点的横坐标值均为BiLSTM*3，换言之，当所述神经网络为所述三层BiLSTM网络时，所述神经网络模型在误差为0.1ms内、在0.15ms内以及在0.2ms内的识别率，均高于所述神经网络为其他网络时，在相应误差范围内的识别率。因此，在一个示例中，为得到更好的识别效果，所述神经网络可以为所述三层BiLSTM网络。
示例性设备
基于以上实施例提供的方法，本申请实施例还提供了一种装置，以下结合附图介绍该装置。
参见图4，示出了本申请实施例中一种确定听力检测波形中特征波形位置的装置的结构示意图。所述装置200例如可以具体包括：
第一获取模块201：用于获取目标听力检测波形，所述目标听力检测波形包括用于诊断听力障碍的特征波形，所述目标听力检测波形包括M个数据，M为大于一的整数，所述M个数据中的每个数据均包括时间和所述时间对应的电位；
输入模块202：用于将所述目标听力检测波形输入神经网络模型，得到所述目标听力检测波形中特征波形的位置，其中：
所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形包括N个数据，N为大于一的整数，所述N个数据中每个数据均包括时间和与所述N个数据中每个数据所包括的时间对应的电位。
通过这一装置，无需人工识别标记听力检测波形中特征波形的位置，可以解决采用人工识别标记的方法时，识别准确性依赖于工作人员的经验与能力的问题，有效提高识别准确率以及识别效率。
在一种实现方式中，所述装置还包括：
第二获取模块，用于：获取所述N个数据中每个数据的分类标签，所述分类标签用于确定所述训练听力检测波形中特征波形的位置。
在一种实现方式中，所述神经网络模型包括三层双向长短期记忆BiLSTM网络。
在一种实现方式中，所述目标听力检测波形和所述训练听力检测波形为同种波形，所述目标听力检测波形为以下任意一种：
声导抗测听波形、耳声发射检测波形、以及听性脑干诱发电位检测波形。
在一种实现方式中，所述目标听力检测波形为所述听性脑干诱发电位检测波形时，所述特征波形为波I、波III和波V中的其中一项或者多项。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种确定听力检测波形中特征波形位置的方法，其特征在于，所述方法包括：
获取目标听力检测波形，所述目标听力检测波形包括用于诊断听力障碍的特征波形，所述目标听力检测波形包括M个数据，M为大于一的整数，所述M个数据中的每个数据均包括时间和所述时间对应的电位；
将所述目标听力检测波形输入神经网络模型，得到所述目标听力检测波形中特征波形的位置，其中：
所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形包括N个数据，N为大于一的整数，所述N个数据中每个数据均包括时间和与所述N个数据中每个数据所包括的时间对应的电位。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述N个数据中每个数据的分类标签，所述分类标签用于确定所述训练听力检测波形中特征波形的位置。
3.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括三层双向长短期记忆BiLSTM网络。
4.根据权利要求1所述的方法，其特征在于，所述目标听力检测波形和所述训练听力检测波形为同种波形，所述目标听力检测波形为以下任意一种：
声导抗测听波形、耳声发射检测波形、以及听性脑干诱发电位检测波形。
5.根据权利要求4所述的方法，其特征在于，所述目标听力检测波形为所述听性脑干诱发电位检测波形时，所述特征波形为波I、波III和波V中的其中一项或者多项，其中，所述波V的潜伏期位于5.5～8.2ms之间，所述波III的与所述波V的波间期在1.8～2.2ms之间，所述波I与所述波III的波间期在1.9～2.3ms之间。
6.一种确定听力检测波形中特征波形位置的装置，其特征在于，所述装置包括：
第一获取模块，用于：获取目标听力检测波形，所述目标听力检测波形包括用于诊断听力障碍的特征波形，所述目标听力检测波形包括M个数据，M为大于一的整数，所述M个数据中的每个数据均包括时间和所述时间对应的电位；
输入模块，用于：将所述目标听力检测波形输入神经网络模型，得到所述目标听力检测波形中特征波形的位置，其中：
所述神经网络模型根据训练听力检测波形以及所述训练听力检测波形中特征波形的位置训练得到，所述训练听力检测波形包括N个数据，N为大于一的整数，所述N个数据中每个数据均包括时间和与所述N个数据中每个数据所包括的时间对应的电位。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第二获取模块，用于：获取所述N个数据中每个数据的分类标签，所述分类标签用于确定所述训练听力检测波形中特征波形的位置。
8.根据权利要求6所述的装置，其特征在于，所述神经网络模型包括三层双向长短期记忆BiLSTM网络。
9.根据权利要求6所述的装置，其特征在于，所述目标听力检测波形和所述训练听力检测波形为同种波形，所述目标听力检测波形为以下任意一种：
声导抗测听波形、耳声发射检测波形、以及听性脑干诱发电位检测波形。
10.根据权利要求9所述的装置，其特征在于，所述目标听力检测波形为所述听性脑干诱发电位检测波形时，所述特征波形为波I、波III和波V中的其中一项或者多项，其中，所述波V的潜伏期位于5.5～8.2ms之间，所述波III的与所述波V的波间期在1.8～2.2ms之间，所述波I与所述波III的波间期在1.9～2.3ms之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110420585.2A CN112971776A (zh) | 2021-04-19 | 2021-04-19 | 一种确定听力检测波形中特征波形位置的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110420585.2A CN112971776A (zh) | 2021-04-19 | 2021-04-19 | 一种确定听力检测波形中特征波形位置的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112971776A true CN112971776A (zh) | 2021-06-18 |
Family
ID=76341180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110420585.2A Pending CN112971776A (zh) | 2021-04-19 | 2021-04-19 | 一种确定听力检测波形中特征波形位置的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112971776A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114861835A (zh) * | 2022-07-04 | 2022-08-05 | 浙江大学 | 一种基于非对称卷积的噪声性听力损失预测系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6240195B1 (en) * | 1997-05-16 | 2001-05-29 | Siemens Audiologische Technik Gmbh | Hearing aid with different assemblies for picking up further processing and adjusting an audio signal to the hearing ability of a hearing impaired person |
| CN102217932A (zh) * | 2011-05-17 | 2011-10-19 | 上海理工大学 | Abr信号波峰检测的一种全新的算法 |
| US20140309549A1 (en) * | 2013-02-11 | 2014-10-16 | Symphonic Audio Technologies Corp. | Methods for testing hearing |
-
2021
- 2021-04-19 CN CN202110420585.2A patent/CN112971776A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6240195B1 (en) * | 1997-05-16 | 2001-05-29 | Siemens Audiologische Technik Gmbh | Hearing aid with different assemblies for picking up further processing and adjusting an audio signal to the hearing ability of a hearing impaired person |
| CN102217932A (zh) * | 2011-05-17 | 2011-10-19 | 上海理工大学 | Abr信号波峰检测的一种全新的算法 |
| US20140309549A1 (en) * | 2013-02-11 | 2014-10-16 | Symphonic Audio Technologies Corp. | Methods for testing hearing |
Non-Patent Citations (1)
| Title |
|---|
| 朱俊玲等: "脑干听觉诱发电位的自动标识和分类", 《国外医学生物医学工程分册》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114861835A (zh) * | 2022-07-04 | 2022-08-05 | 浙江大学 | 一种基于非对称卷积的噪声性听力损失预测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ridley et al. | Using thresholds in noise to identify hidden hearing loss in humans | |
| CN103313653B (zh) | 具有电极验证的个人eeg监测装置 | |
| US8014853B2 (en) | Neurophysiological central auditory processing evaluation system and method | |
| US6475163B1 (en) | Hearing evaluation device with patient connection evaluation capabilities | |
| EP2332465A1 (en) | Method and apparatus for the objective detection of auditive disorders | |
| CN102781322B (zh) | 语音听取的评价系统、及方法 | |
| WO2013017169A1 (en) | Hearing aid with self fitting capabilities | |
| US6200273B1 (en) | Power-optimized cumulative, sequential statistical method for detection of auditory evoked potentials | |
| McGregor et al. | Acoustic reflexes are common but not pervasive: evidence using a diagnostic middle ear analyser | |
| CN112515663A (zh) | 一种听觉通路评估分析系统及其方法 | |
| Flamme et al. | Short-term variability of pure-tone thresholds obtained with TDH-39P earphones | |
| JP2002541965A (ja) | ポイント最適化変動比を用いた聴覚性誘発電位の検出方法 | |
| CN109246567A (zh) | 一种听力评估检测系统 | |
| US20150173637A1 (en) | Detecting Neuronal Action Potentials Using a Convolutive Compound Action Potential Model | |
| CN112971776A (zh) | 一种确定听力检测波形中特征波形位置的方法及装置 | |
| EP1114612A2 (en) | Hearing evaluation device with noise detection and evaluation capability. | |
| Schlauch et al. | A demonstration of improved precision of word recognition scores | |
| US6343230B1 (en) | Hearing evaluation device with predictive capabilities | |
| EP3925532A1 (en) | Determination of cochlear hydrops based on recorded auditory electrophysiological responses | |
| CN108919962B (zh) | 基于脑机数据集中处理的辅助钢琴训练方法 | |
| WO2024067034A1 (zh) | 一种听力检测方法、装置和系统 | |
| Vaz et al. | Automated detection of auditory response: non-detection stopping criterion and repeatability studies for multichannel EEG | |
| KR20120068199A (ko) | 전기생리학 기반의 와우소실영역 검출 장치 및 이를 이용한 와우소실영역 검출을 위한 정보 제공 방법 | |
| Zimatore et al. | Post-processing analysis of transient-evoked otoacoustic emissions to detect 4 kHz-notch hearing impairment–a pilot study | |
| Prieve et al. | Observations of distortion product otoacoustic emission components in adults with hearing loss |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210618 |