CN116171181A - 新型耳鸣管理技术 - Google Patents
新型耳鸣管理技术 Download PDFInfo
- Publication number
- CN116171181A CN116171181A CN202180055236.3A CN202180055236A CN116171181A CN 116171181 A CN116171181 A CN 116171181A CN 202180055236 A CN202180055236 A CN 202180055236A CN 116171181 A CN116171181 A CN 116171181A
- Authority
- CN
- China
- Prior art keywords
- tinnitus
- person
- data
- event
- input
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F11/00—Methods or devices for treatment of the ears or hearing sense; Non-electric hearing aids; Methods or devices for enabling ear patients to achieve auditory perception through physiological senses other than hearing sense; Protective devices for the ears, carried on the body or in the hand
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
- H04R25/75—Electric tinnitus maskers providing an auditory perception
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
-
- 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
- A61B5/128—Audiometering evaluating tinnitus
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- 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
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
- A61N1/3606—Implantable neurostimulators for stimulating central or peripheral nerve system adapted for a particular treatment
- A61N1/361—Phantom sensations, e.g. tinnitus
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
- H04R25/55—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception using an external connection, either wireless or wired
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/04—Electrodes
- A61N1/05—Electrodes for implantation or insertion into the body, e.g. heart electrode
- A61N1/0526—Head electrodes
- A61N1/0541—Cochlear electrodes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2225/00—Details of deaf aids covered by H04R25/00, not provided for in any of its subgroups
- H04R2225/021—Behind the ear [BTE] hearing aids
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2225/00—Details of deaf aids covered by H04R25/00, not provided for in any of its subgroups
- H04R2225/67—Implantable hearing aids or parts thereof not covered by H04R25/606
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Acoustics & Sound (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Otolaryngology (AREA)
- Neurosurgery (AREA)
- Multimedia (AREA)
- Physical Education & Sports Medicine (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Psychology (AREA)
- Vascular Medicine (AREA)
- Neurology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Prostheses (AREA)
Abstract
一种方法,包括自动获取指示经历反复耳鸣的人的过去和/或当前生理特征或所述人的过去和/或当前周围环境条件中的至少一者的数据,分析所获取的数据以确定耳鸣事件正在发生或耳鸣事件具有在近期内发生的统计可能性中的至少一者,以及基于分析动作发起耳鸣减轻方法。
Description
相关申请的交叉引用
本申请要求发明人为澳大利亚麦考瑞大学的Alexander VON BRASCH于2020年9月9日提交的名称为“NEW TINNITUS MANAGEMENT TECHNIQUES(新型耳鸣管理技术)”的美国临时申请第63/076,078号的优先权,该申请的全部内容以引用的方式整体并入本文。
背景技术
医疗装置在最近几十年来已为接受者提供了广泛的治疗益处。医疗装置可以包括内部或可植入部件/装置、外部或可佩戴部件/装置或其组合(例如,具有与可植入部件通信的外部部件的装置)。医疗装置,例如传统助听器、部分或完全可植入听力假体(例如,骨传导装置、机械刺激器、耳蜗植入物等)、起搏器、除颤器、功能性电刺激装置和其他医疗装置,多年来一直执行救生和/或生活方式改善功能和/或接受者监测。
多年来,医疗装置的类型以及由其执行的功能范围有所增加。例如,有时称为“可植入医疗装置”的许多医疗装置现在通常包括永久或临时植入接受者体内的一个或多个器械、设备、传感器、处理器、控制器或其他功能性机械或电部件。这些功能性装置通常用于诊断、预防、监测、治疗或管理疾病/损伤或其症状,或研究、替换或修改解剖结构或生理过程。这些功能性装置中的许多功能性装置利用从外部装置接收到的功率和/或数据,所述外部装置是可植入部件的部分或与可植入部件协同操作。
发明内容
在示范性实施例中,有一种方法,包括:自动获取指示经历反复耳鸣的人的过去和/或当前生理特征或所述人的过去和/或当前周围环境条件中的至少一者的数据;分析所获取的数据以确定耳鸣事件正在发生或耳鸣事件具有在近期内发生的统计可能性中的至少一者;以及基于分析动作发起耳鸣减轻方法。
在示范性实施例中,有一种设备,包括随身携带的便携式装置,所述便携式装置包括输入子系统和输出子系统,其中,所述装置包括机器学习的产物和/或由机器学习产生的产物,所述装置使用所述产物来确定何时和/或是否发起耳鸣管理动作。
在示范性实施例中,有一种方法,包括:记录对应于经历反复耳鸣的人的过去和/或当前生理特征或所述人的过去和/或当前周围环境条件中的至少一者的第一数据;记录对应于耳鸣相关事件和/或非事件的第二数据;利用机器学习系统将所记录的第一数据与所记录的第二数据相关联;以及利用所述机器学习系统制定耳鸣管理方案。
在示范性实施例中,有一种系统,包括声音捕获设备和电子封装,所述声音捕获设备被配置成捕获环境声音,所述电子封装被配置成至少基于从所述声音捕获设备输出的信号接收数据,并分析所述数据以基于所述数据确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性,其中,所述系统被配置成在所述确定后自动发起预先降低所述未来耳鸣事件的可能性的输出。在示范性实施例中,存在一种系统,其包括耳鸣发作预测子系统和耳鸣管理输出子系统。
附图说明
下文参考附图描述实施例,其中:
图1是示范性听力假体的透视图,本文中详述的至少一些教示可适用于该示范性听力假体;
图1A-1C是一些实施例可适用于的示范性装置的准功能图;
图1D-2C展示了可用于执行本文的至少一些教示的示范性装置和/或系统;
图3-5、7B和7C展示了一些示范性方法的示范性流程图;以及
图6、7、7A、8、9和10展示了一些示范性实施例的功能图。
具体实施方式
仅仅为了易于描述,主要参考例示性医疗装置(即,听力假体)来描述本文提出的技术。首先介绍的是双模听力假体,其包括耳蜗植入物和声学听力辅助装置(多模听力假体)。本文提出的技术也可以与多种其他医疗装置一起使用,所述多种其他医疗装置在向接受者、患者或其它用户提供广泛范围的治疗益处的同时,可以受益于其他医疗装置中使用的本文中的教示。例如,本文提出的针对一种类型的听力假体(例如,耳蜗植入物和/或声学听力辅助装置)描述的任何技术对应于与另一听力假体(包括骨传导装置(经皮、有源经皮和/或无源经皮)、中耳听力假体、直接声学刺激器)一起使用此类教示,并且还与其它电模拟听力假体(例如,听觉脑刺激器)等一起利用此类教示的另一实施例的公开内容。无论是否用作听力假体(例如,身体噪声或其它监测器,无论其是否是听力假体的部分)和/或外部麦克风的部分,本文提出的技术都可以与可植入/植入式麦克风一起使用。本文提出的技术还可与前庭装置(例如,前庭植入物)、传感器、癫痫发作装置(例如,用于在可适用时监测和/或治疗癫痫事件的装置)、睡眠呼吸暂停装置、电穿孔等一起使用,并且因此本文中的任何公开内容是结合本文中的教示利用此类装置的公开内容(如果现有技术能够实现此公开内容)。本文中的教示还可以与常规听力装置一起使用,所述常规听力装置是例如电话和耳塞装置连接的MP3播放器或智能电话或可以提供音频信号输出的其它类型的装置。实际上,本文中的教示可以与专用通信装置一起使用,所述专用通信装置是例如军用通信装置、工厂地面通信装置、专业运动通信装置等。
举例来说,本文中详述的与植入接受者体内的部件相关联的任何技术可以与本文所公开的信息递送技术(例如,唤起听觉感知的装置)组合,以向接受者传达信息。仅作为示例而非限制,睡眠呼吸暂停植入装置可以与可以唤起听觉感知的装置组合,以便向接受者提供信息,例如状态信息等。就此而言,本文中详述的各种传感器和本文中详述的各种输出装置可以与此类非感官假体或包括可植入部件的任何其他非感官假体组合,以便实现如本文将描述的用户接口,所述用户接口使得与植入物相关联的信息能够被传达到接受者。
虽然本文中详述的教示将在极大程度上关于听力假体进行描述,但为了与上述内容保持一致,应注意,本文中关于听力假体的任何公开内容对应于相对于本文中指出的任何其它假体利用关联教示的另一实施例的公开内容,而不论是一种听力假体还是一种感官假体。
图1是示范性多模假体的透视图。耳包括外耳201、中耳205和内耳207,并且接下来在下文描述,随后描述植入式多模系统200。多模系统200提供多种类型的刺激,即声学、电和/或机械刺激。这些不同的刺激模式可以在身体同侧或对侧施加。在图1所示的布置中,多模植入物200提供声学和电刺激,但在一些实施例中可以实现模式的其它组合。作为示例而非限制,中耳植入物可以与耳蜗植入物组合使用,骨传导装置可以与耳蜗植入物组合使用,等等。
还应注意,实施例涉及纯声学听力辅助装置,如下文在图2中详述的。也就是说,实施例针对的是本身并非助听器的装置,而是利用助听器的一些方面,并且在其它实施例中不使用此类方面的耳鸣掩蔽装置。实际上,一些实施例涉及纯耳鸣掩蔽器。一些实施例可以在常规耳机/耳塞、电话等中实施。因此,本文中的任何教示对应于在此类装置中利用本文中的教示的一个或多个或全部的实施例。
在具有正常听力的人或具有残余听力的接受者体内,声学压力或声波203由外耳201(即,耳廓)收集,并且被引导到耳道206并通过该耳道。跨越耳道206的远端设置有响应于声波203而振动的鼓膜204。该振动通过中耳205的三块骨骼联接到椭圆窗、卵圆窗215,所述三块骨骼统称为听小骨217,并且包括锤骨213、砧骨209和镫骨211。中耳205的骨骼213、209和211用于过滤和传递声波203,从而引起卵圆窗215铰接或振动。这种振动在耳蜗232内引起流体运动波。这种流体运动继而激活耳蜗232内部衬垫的微小毛细胞(未示出)。这些毛细胞的激活使适当的神经脉冲通过螺旋神经节细胞(未示出)和听觉神经238传递到大脑(未示出),在大脑处此类脉冲被感知为声音。
图1A提供了示范性概念性睡眠呼吸暂停系统1991的示意图。此处,此示范性睡眠呼吸暂停系统利用麦克风12(在概念上表示)来捕获人的呼吸或以其他方式捕获人在睡眠时发出的声音。麦克风将所捕获的声音转换成电信号,所述电信号经由电引线198提供给主单元197,所述主单元包括处理器单元,所述处理器单元可以评估来自引线198的信号,或在另一种布置中,单元197被配置成经由因特网等将该信号提供给评估信号的远程处理位置。在睡眠呼吸暂停系统1991应进行动作或另外可有效进行动作的评估之后,单元197激活以实施睡眠呼吸暂停对策,所述对策由软管1902睡眠呼吸暂停面罩195进行。仅作为示例而非限制,压力变化可用以根据对此事件的指示来治疗睡眠呼吸暂停。
在示范性实施例中,本文中详述的耳鸣缓解方法和装置可以与睡眠呼吸暂停系统组合,以减轻耳鸣,同时治疗睡眠呼吸暂停。
图1B和图1C提供了另一示范性概念性睡眠呼吸暂停系统1992的另一示范性示意图。此处,睡眠呼吸暂停系统与图1A的睡眠呼吸暂停系统的不同之处在于,电极194(其在一些实施例中可被植入)用于向正在经历睡眠呼吸暂停情形的人类提供刺激。图1B示出了外部单元,并且图1C示出了经由外部单元的电感线圈707和植入式单元的对应植入式电感线圈(未示出)进行信号通信的外部单元120和植入式单元110,本文中的教示根据所述外部单元和所述植入式单元而可适用。植入式单元110可被配置成用于在准许其经由电极194调节接受者100的神经的位置中植入接受者体内。在治疗睡眠呼吸暂停时,植入式单元110和/或其电极可位于患者的颏舌肌上。此位置适合于调节舌下神经,所述舌下神经的分支在颏舌肌内部延行。
外部单元120可被配置成位于患者体外,直接接触或靠近接受者的皮肤。外部单元120可被配置成例如通过粘附于患者的皮肤,或通过被配置成将外部单元120保持在适当位置中的带或其它装置而贴附于患者。贴附于外部单元120的皮肤可以发生在植入单元110的位置附近,以使得例如外部单元120可与植入单元110进行信号通信,如在概念上所示,所述通信可经由感应链路或RF链路或能够使用植入单元和外部单元治疗睡眠呼吸暂停的任何链路来进行。外部单元120可以包括处理器单元198,所述理器单元被配置成控制由植入单元110执行的刺激。就此而言,处理器单元198可以经由电引线(例如,在外部单元120是模块化部件的布置中)或经由无线系统(例如,在图1C中概念性地表示)与麦克风12进行信号通信。
这些睡眠呼吸暂停治疗系统的共同特征是利用麦克风来捕获声音,以及利用所捕获的声音来实施睡眠呼吸暂停系统的一个或多个特征。在一些实施例中,本文中的教示与刚刚详述的睡眠呼吸暂停装置一起使用。
回到听力假体装置,对于可能具有一些残余听力的听力障碍的个体,植入物或听力器械可以提高该个体的感知声音的能力。多模假体200可以包括直接或间接附接到接受者的身体的外部部件组件242,以及临时或永久植入接受者体内的内部部件组件244。外部部件组件242也在图1D中示出。在本发明的实施例中,外部组件242中的部件可以作为植入组件244的一部分被包括,反之亦然。而且,本发明的实施例可以与完全植入的植入式多模系统200一起使用。本文中的教示的实施例包括将此类内容用于下文详述的图1D或图2的装置中。
外部组件242通常包括用于检测声音并且用于生成电音频信号(通常是模拟音频信号)的声音换能器220。在此例示性布置中,声音换能器220是麦克风。在替代布置中,声音换能器220可以是现在或以后开发的任何装置,其可以检测声音并生成表示这种声音的电信号。下文将详述声音换能器220的示范性替代位置。
外部组件242还包括信号处理单元、电源(未示出)和外部发射器单元。外部发射器单元206包括外部线圈208,并且优选地,包括直接或间接固定到外部线圈208的磁体(未示出)。信号处理单元处理麦克风220的输出,在图示的布置中,所述麦克风由接受者的外耳201定位。信号处理单元使用信号处理设备(本文中有时称为声音处理设备)生成编码信号,所述信号处理设备可以是被配置成处理所接收的信号的电路(常常是芯片),因为元件2130包含此电路,整个部件2130常被称为声音处理单元或信号处理单元。这些编码信号在本文中可以被称为刺激数据信号,其经由电缆247提供给外部发射器单元206,并且经由电缆252提供给耳250中的接收器。在图1D的这种示范性布置中,电缆247包括连接器插孔221,所述连接器插孔卡口配合到信号处理单元230的插座219中(在背脊中存在开口,所述开口接收卡口连接器,所述开口中包括将外部发射器单元置于与信号处理器230信号通信的电触点)。还应注意,在替代布置中,外部发射器单元硬连线到信号处理器子组件230。也就是说,电缆247经由硬接线与信号处理器子组件进行信号通信。(当然,该装置可以被拆卸,但这不同于图1D中所示的利用卡口连接器的布置。)图1E提供了示范性接收器250的额外细节。在此图示中,包含信号处理单元的整个部件被构造和布置成使得它可以在BTE(耳后)配置中配合在外耳201后面,但也可以佩戴在接受者的身体或衣物的不同部分上。
在一些布置中,信号处理器(也称为声音处理器)可以单独产生电刺激,而不产生超出自然进入耳朵的刺激的任何声刺激。而在更进一步的布置中,可以使用两个信号处理器。一个信号处理器用于结合用于产生声刺激的第二语音处理器产生电刺激。
如图1D和1E所示,耳250中的接收器通过电缆252连接到BTE(用于描述电池270所附接的零件的一般术语,该零件包含信号(声音)处理器,并且支持各种部件,例如麦克风—下文对此有更多描述)的脊柱(并且由此连接到声音处理器/信号处理器)。耳250中的接收器(与简单的接收器不同—耳250中的接收器的主体支撑接收器—接下来对此有更多描述)包括外壳256,所述外壳可以是适合接受者的模制件。在耳250中的接收器内部,提供了电容器258、接收器260和保护器262。而且,可以存在通风井264(在一些布置中,不包括此通风井)。耳中的接收器可以是耳内(ITE)或完全耳道内(CIC)配置。
在示范性布置中,声音换能器220可以位于元件250(例如,相对的元件262,如例如图1F中所示)上,使得可以利用人耳的自然精妙结构以更自然的方式将声音引导到声音换能器。在示范性布置中,声音换能器242经由电缆252(如图1F中示意性描绘,经由从声音换能器242延伸到电缆252的子电缆)与BTE装置的其余部分进行信号通信。
而且,图1D示出了直接附接到BTE装置的主体/脊柱230的基部的可移除电力部件270(有时简称为电池组或电池)。如图所示,在一些实施例中,BTE装置包括控制按钮274。BTE装置在耳钩上可以具有指示灯276以指示信号处理器的操作状态。状态指示的示例包括当接收到传入声音时闪烁,当电源电量低时低速率闪烁或针对其他问题高速率闪烁。
返回图1,内部部件244包括内部接收器单元212、刺激器单元226和电极组件218。内部接收器单元212包括内部经皮传输线圈(未示出),并且优选地包括相对于内部线圈固定的磁体(也未示出)。内部接收器单元212和刺激器单元226气密密封在生物相容性外壳内。如上所述,内部线圈从外部线圈208接收电力和数据。电极组件218的电缆或引线从刺激器单元226延伸到耳蜗232,并终止于电极236的阵列234。刺激器单元226生成的电信号由电极236施加到耳蜗232,由此刺激听觉神经238。
在一种布置中,外部线圈208经由射频(RF)链路向内部线圈发送电信号。内部线圈通常是由电绝缘单股或多股铂丝或金丝中的至少一个,优选多个匝构成的有线天线线圈。内部线圈的电绝缘由柔性硅酮模制件(未示出)提供。在使用中,内部接收器单元212可以定位在邻近接受者的外耳201的颞骨的凹部中。
如图1中所示,多模系统200还被配置成与用户接口280和外部处理器282(例如,个人计算机、工作站等)互操作,从而实施例如听力植入物配合系统。尽管在图1A中在植入物200与接口280之间示出了电缆284,但也可以与远程286一起使用无线RF通信。
尽管图1示出了同侧耳中的多模植入物,但在其它布置中,多模植入物可以为双耳提供刺激。例如,信号处理器可以向一个耳提供电刺激,并且在另一个耳中提供声刺激。
以上文作为前导,这些布置涉及利用耳后装置的非多模助听器(使用本文中的教示的传统声学听力辅助装置),以及利用耳后装置的耳蜗植入物的非多模外部部件(利用本文中的教示的包含在BTE设备中的此类耳蜗植入物的传统外部部件),并且一些实施例涉及利用本文中的教示的多模布置。然而,如将详述的,实施例还涉及多模听力装置。
也就是说,尽管与图1、图1D和图2相关联的教示(下文论述)公开了常规听力假体形式的具有在接受者外部提供的输出(接收器/扬声器)的外部装置,但涉及此类装置的本文中的此类和任何教示的公开内容也对应于输出是骨传导振动器的外部装置的公开内容。举例来说,如现有技术中常规那样,无源经皮骨传导装置由磁体保持到接受者的头部,其中,元件250的概念功能(下文对此有更多描述)可以改为以与这种装置伴随的方式位于耳后方的位置处(这是输出装置的放置的概念表示)。此外,作为示例,外部装置可以是经皮骨传导装置。这些部件不需要是多模听力假体的一部分,而是可以是独立装置。此外,尽管与图1和1D相关联的教示涉及耳蜗植入物,但此类耳蜗植入物和本文中的与此类耳蜗植入物有关的任何教示的公开内容还对应于可植入/植入式装置的公开内容,其中输出是骨传导振动器(例如,在有源经皮骨传导装置的情况下,其中,图1D的装置被容易地理解为此类装置的外部部件(具有或不具有常规助听器功能))或中耳致动器(其中,图1D的装置再次被容易地理解为此类装置的外部部件)或直接声学耳蜗刺激器致动器(图1D再次是此类装置的代表性外部部件)或向接受者的组织赋予机械能量的任何其它植入式机械装置。换句话说,与相对于接收器的外部部件有关的输出装置的公开内容还对应于输出装置是例如骨传导装置的振动器的替代实施例的公开内容。此外,与植入部件有关的输出装置相对于耳蜗植入物电极阵列的公开内容还对应于输出装置例如是骨传导装置的振动器或中耳植入物的致动器或直接声学耳蜗刺激器的致动器的替代实施例的公开内容。
图2描绘了根据示范性布置的示范性BTE装置342。如图所示,BTE装置342包括元件330,在一些布置中,所述元件在功能和结构上可以对应于上文的元件230,除了根据本文中的教示之外,并且因此对应于BTE装置的脊柱。但是,在下文中,元件330将以更通用的名称被称为信号处理器子组件,或者在一些情况下,有时称为BTE装置的电子部件,或有时简称为信号处理器,或声音处理器子组件,或简称为声音处理器(但与其中处理声音/信号且也称为声音处理器或信号处理器的处理器不同—这是整个信号处理器子组件的纯电子器件部分,后者具有外壳并且支撑其他部件)。如可见,附接到其上的元件270因此是BTE装置的电力部件,在本文中的一些情况下,所述电力部件将被称为电池子组件或简称为电池。电池子组件270经由例如卡口连接器可移除地附接到声音处理器子组件330,其细节将在下文描述。
在示范性布置中,BTE装置342是常规的助听器设备。耳内部件250可以对应于本文中详述的那些部件中的任何一个和/或其变型。简而言之,耳后装置342是被配置成仅供外部使用的常规助听器。它不是可植入部件且不包括可植入部件,并且没有被配置成与可植入部件进行电磁通信。实施例包括图2的装置中体现的本文中的一个或多个或全部教示。而且,应注意,虽然图2的装置的接收器/扬声器在耳内部件250中,但在其它实施例中,扬声器可以邻近耳、在耳上方等。而且,应注意,耳塞或耳机可以在一些布置中使用,其可连接到MP3播放器或智能电话等。此外,完全耳内装置可以与本文中的教示中的一个或多个一起使用,其中完全耳内装置具有本文中的常规助听器装置和/或本文中详述的其它假体的一个或多个或全部特征。
应注意,本文中详述的教示和/或其变型可与非完全可植入假体一起使用。也就是说,在某些布置中,耳蜗植入物200是传统听力假体。本文中的教示也可以在其他类型的假体中实施并且在一些布置中相对于其他类型的假体如此实施,所述其他类型的假体是例如中耳植入物、有源经皮骨传导装置、无源经皮骨传导装置、经皮骨传导装置和传统声学听力辅助装置(单独的或彼此(和/或与耳蜗植入物)组合,实现双模假体的组合)。而且,在一些实施例中,本文中详述的教示和/或其变型包括本文中用于完全可植入假体中的教示,所述完全可植入假体是例如完全可植入中耳植入物、有源经皮骨传导装置(单独的或彼此(和/或与耳蜗植入物)组合,实现多模假体的组合)。
为了清楚起见,本文中的假体可以包括声学听力辅助装置、经皮骨传导装置、无源经皮骨传导装置、有源经皮骨传导装置、中耳植入物、DACS、耳蜗植入物、牙骨传导装置等中的任何一种或多种。因此,除非另外说明并且除非本领域使得能够如此,否则一种假体的任何公开内容对应于本文中的任何其他假体的公开内容,并且因此对应于使用与其他假体中的一个相关联的教示的公开内容。
图2A描绘了根据示范性布置的示范性系统2110,所述示范性系统包括装置100,所述装置可以是听力假体,或诸如以下图2C中公开的耳鸣减轻装置,或被配置成向接受者提供可以减轻耳鸣的刺激的任何装置。在示范性布置中,装置100对应于BTE装置342,或图1的假体,或以下图2C的装置等。在系统中还看到具有显示器2142的移动计算机(例如,智能电话)形式的便携式随身携带装置(例如,如图2A中看到的便携式手持装置、手表、口袋装置等)2140。所述系统包括便携式手持装置2140与听力假体100之间的无线链路2130(通常,100被称为听力假体,并且此类提及对应于此类装置是本文中的其他装置中的一个的替代实施例的公开内容)。在实施例中,假体100是完全外部假体(例如图2的装置),并且在其它实施例中,其包括植入接受者99体内的植入部分(如图2A中框100的虚线在功能上表示的)。
在示范性布置中,系统2110被配置成使得听力假体100(如上所述,在其它实施例中,其可以是耳鸣减轻装置,例如掩蔽器,或一个或多个耳塞,或图2的装置342等)和便携式手持装置2140具有共生关系。在示范性布置中,共生关系是显示与听力假体100的一个或多个功能相关的数据的能力,并且在至少一些情况下是控制所述一个或多个功能的能力。在示范性布置中,这可以通过手持装置2140经由无线链路2130从听力假体100接收数据的能力来实现(尽管在其它示范性布置中,可以利用其它类型的链路(例如有线链路)—伴随着连接到装置2140的一个或多个耳塞)。如也将在下文详述的,这可以通过与地理远程装置通信来实现,所述地理远程装置经由链路与听力假体100和/或便携式手持装置2140通信,所述链路是例如,仅作为示例而非限制,因特网连接或蜂窝电话连接。在一些此类示范性布置中,系统2110同样还可包括地理远程设备。同样,这方面的额外示例将在下文更详细地描述。
如上所述,在示范性布置中,便携式手持装置2140包括移动计算机和显示器2142。在示范性布置中,显示器2142是触摸屏显示器。在示范性布置中,便携式手持装置2140还具有便携式蜂窝电话的功能。就此而言,仅作为示例而非限制,当一般地使用该短语时,装置2140可以是智能电话。也就是说,在示范性布置中,同样当一般地使用该术语时,便携式手持装置2140包括智能电话。
应注意,在一些其它布置中,装置2140不需要是计算机装置等。它可以是较低技术的记录器,或可实现本文中的教示的任何装置。
在示范性布置中,装置2140可以执行或以其它方式用于与假体100相关联的处理目的,例如处理所捕获的声音,然后经由链路2130将处理的结果传送到假体,其中假体使用这些结果来唤起听觉感知。
短语“移动计算机”涉及被配置成实现人机交互的装置,其中计算机预期在正常使用期间被转移离开静止位置。同样,在示范性布置中,当一般地使用该术语时,便携式手持装置2140是智能电话。然而,在其它布置中,可以利用较不复杂的(或更复杂的)移动计算装置来实施本文中详述的教示和/或其变型。在至少一些布置中,可以利用能够使得本文中详述的教示和/或其变型得以实践的任何装置、系统和/或方法。(如下文将详述的,在一些情况下,装置2140不是移动计算机,而是远程装置(远离听力假体100。下文将描述这些布置中的一些)。)
在示范性布置中,便携式手持装置2140被配置成从听力假体接收数据,并且基于所接收的数据将来自多个不同界面显示中的界面显示呈现在显示器上。有时将在从听力假体100接收的数据方面描述示范性布置。然而,应注意,除非另外指定或以其它方式与相关技术不相容,否则同样适用于从手持装置2140发送到听力假体的数据的任何公开内容也由此类公开内容涵盖(并且反之亦然)。
应注意,在一些布置中,系统2110被配置成使得假体100和便携式装置2140具有一种关系。仅作为示例而非限制,在示范性布置中,所述关系是装置2140经由无线链路2130充当假体100的远程麦克风的能力。因此,装置2140可以是远程麦克风。尽管如此,在替代布置中,装置2140是独立的记录/声音捕获装置。
应注意,在至少一些示范性布置中,装置2140对应于Apple WatchTM系列1或系列2,如自2020年6月6日起可在美国商购获得的。在示范性布置中,装置2140对应于SamsungGalaxy GearTMGear 2,如自2020年7月20日起可在美国商购获得的。所述装置被编程和配置成与假体通信和/或用于实现本文中详述的教示。
在一种布置中,电信基础设施可以与听力假体100和/或装置2140通信。仅作为示例而非限制,使用拾音线圈2149或一些其它通信系统(蓝牙等)与假体和/或远程装置通信。图2B描绘了示范性准功能示意图,其描绘了外部通信系统2149(例如,拾音线圈)与听力假体100和/或手持装置2140之间分别通过链路2177和2179进行的通信(应注意,图2B描绘了听力假体100与外部音频源2149之间以及手持装置与外部音频源2149之间的双向通信—在替代布置中,所述通信仅仅是单向的(例如,从外部音频源2149到相应装置))。
图2C提供了示范性耳鸣减轻系统。此处,所述系统包含在独立的耳鸣减轻装置2177中。此装置可以对应于上文详述的智能电话2140,或者可以是专门设计用于减轻耳鸣的专用装置。就此而言,耳鸣减轻装置2177包括与一个或多个耳塞2155连接的耳塞插座。在示范性实施例中,耳鸣减轻装置2177输出耳鸣掩蔽声音(其构成如本文中使用的耳鸣减轻)。在示范性实施例中,耳鸣减轻装置2177输出可用于首先防止一组耳鸣的基于声音的减轻。耳鸣减轻装置2177包括如可看到的显示屏2133。这可以是替代实施例的智能电话的屏幕(在示范性实施例中,装置2177是具有耳塞的智能电话,并且在其它实施例中,不存在耳塞—而是利用扬声器),或者可以是专用耳鸣减轻装置2177的专用屏幕。屏幕可以向接受者提供输出,警告他或她做一些不同的事情以避免耳鸣发作(或降低耳鸣发生的可能性—除非另外指出,否则本文中关于避免耳鸣发作的任何公开内容对应于降低耳鸣发生的可能性的公开内容,并且反之亦然)。这构成耳鸣减轻/管理。替代地和/或除此之外,耳塞或扬声器2166可以向接受者输出输出,警告他或她做一些不同的事情以避免耳鸣发作/降低耳鸣发作的可能性。注意,当利用该短语时,即使使用了声音,这也不是基于声音的减轻。然而,关于扬声器2166,这也可用于提供基于声音的减轻。在一些实施例中,扬声器可以对应于智能电话的扬声器。此外,如可见,存在麦克风2188。在示范性实施例中,这可以从其用户接收输入和/或可以接收指示装置的周围环境(例如,音频环境)的一部分的输入。如下文详述的,在实施例中,存在被配置成记录周围音频环境且旨在捕获周围音频环境且评估此种周围音频环境以确定耳鸣事件在统计学上是否可能发生和/或此类事件是否正在发生和/或确定正在发生或可能发生的耳鸣事件的表征的装置和系统。
此外,如可见,耳鸣减轻装置2177包括收发器2144和/或发射器和/或接收器,其可以与诸如远程装置或服务器的另一装置通信,所述远程装置或服务器可以用于执行分析和/或处理,如下文将详述的。在示范性实施例中,减轻装置可以利用蓝牙和/或利用蜂窝技术等与远程装置通信。替代地和/或除此之外,耳鸣减轻装置2177可以利用有线通信来与远程装置等通信。应注意,耳鸣减轻装置2177可以与蜂窝电话或智能电话或听力假体等通信。而且,可以利用装置2144与向人提供刺激以减轻耳鸣的装置(例如,作为示例,无线耳塞系统,或图2的耳后装置,或加以少量修改就可以实现本文中详述的教示的任何其他假体)通信。在示范性实施例中,耳鸣减轻装置包括电子电路和逻辑,所述电子电路和逻辑可以实现本文中详述的方法动作中的一个或多个或全部,如下文将更详细地描述的。
还应注意,在另一示范性系统中,可以通过向麦克风和/或耳塞等提供输出信号的MP3播放器来实现耳鸣减轻。在示范性实施例中,当在确定正在发生耳鸣和/或可能发生耳鸣事件时激活某些声音或记录等时,可以将其存储在MP3播放器中并且用于耳鸣减轻。尽管如此,在示范性实施例中,甚至可以使用诸如计算机或磁带播放器的其它消费电子装置进行耳鸣减轻。在示范性实施例中,例如通过互联网,可以自动或手动方式访问用于耳鸣减轻的声音。在至少一些示范性实施例中,可以利用可实现实现耳鸣减轻的任何装置、系统或方法。
根据本文中详述的教示的至少一些示范性实施例利用能够被训练或以其它方式被训练以检测输入的更高阶和/或非线性统计特性的高级机器学习/处理技术,所述输入可以是本文中详述的任何输入(下文对此有更多描述)。示范性输入处理技术是所谓的深度神经网络(DNN)。至少一些示范性实施例利用DNN(或任何其他高级学习信号处理技术)来处理一个或多个输入(再次,如本文通过举例详述的)。至少一些示范性实施例需要训练输入处理算法以处理一个或多个输入。也就是说,一些示范性方法利用学习算法或方案或系统,例如其中会以其他方式使得本文中详述的教示能够分析输入的DNN或任何可能具有实用价值的其它系统。应注意,在本文中的许多情况下,输入将是在麦克风的周围环境中捕获的声音。应注意,本文中详述的教示也可适用于所捕获的光。就此而言,本文中详述的教示可以用于分析或以其它方式处理其它输入,例如一天中的时间、指示用户的生理特征的数据等(下文对此有更多描述)。
“神经网络”是特定类型的机器学习系统。本文中对种类“神经网络”的任何公开内容构成对“机器学习系统”这一属的公开内容。在一些实施例中,使用训练过的神经网络。虽然本文中的实施例集中于该种类的神经网络,但应注意,其它实施例可以相应地利用其它种类的机器学习系统,本文中对神经网络的任何公开内容构成对可以实现本文中详述的教示及其变型的任何其它种类的机器学习系统的公开内容。为了清楚起见,根据本文中详述的教示的至少一些实施例是具有学习能力而无需被明确编程的实施例。因此,关于一些实施例,本文中对装置或系统的任何公开内容构成对具有学习能力而无需被明确编程的装置和/或系统的公开内容,并且对方法的任何公开内容构成使得学习而无需针对此进行明确编程的动作。
下文将描述在一些实施例中使用的DNN的一些具体细节,包括用于训练此类DNN的一些示范性过程。然而,首先,将描述利用此类DNN(或具有实用价值的任何其它系统)的一些示范性方法。
应注意,在至少一些示范性实施例中,利用DNN或来自机器学习的产物等来实现如本文中详述的给定功能。在一些情况下,出于语言经济的目的,将公开执行动作等的装置和/或系统,并且在一些情况下,将公开导致该动作或使得能够执行动作的结构。本文中详述的任何方法动作或本文中详述的任何功能或具有如本文中公开的功能的任何结构对应于在使用时产生该功能的DNN或来自机器学习的产物等的替代实施例中的公开内容,除非另外指出或除非本领域不能实现此类方法动作或功能。
图3描绘了示范性方法(方法399)的示范性流程图,该示范性方法例如在一些实施例中,根据示范性实施例使用机器学习的产物和/或来自机器学习的产物,例如仅作为示例而非限制,训练过的神经网络(其包括在可以使用网络实现实用结果的意义上连续进行“补救”训练的神经网络,但本文中的教示包括在使用网络期间连续训练该网络—下文对此有更多描述),而在其它实施例中,利用被配置成执行本文中的方法动作的标准电子器件执行所述方法。方法300包括方法动作390,在一些实施例中,所述方法动作包括自动获取指示经历反复耳鸣的人的过去和/或现在生理特征或该人的过去和/或现在周围环境条件中的至少一者的数据。而且,实施例包括获取额外数据,例如假体装置设置等。下文将提供该数据的更多细节,但在此简要地指出,在至少一些示范性实施例中,可以在至少一些示范性实施例中利用智能电话2140和/或听力假体342或100等,例如,图2的实施例中包括的那些,或具有扩展功能(例如,接收输入的能力)和可以评估输入(下文对此有更多描述)的逻辑电路的耳鸣掩蔽器设备,或利用提供耳鸣减轻的耳塞的基于智能电话的装置(同样,下文对此有更多描述),或甚至台式或膝上型PC,来执行方法动作390。简要地指出,当数据获取功能由参与执行所述方法的人激活时,执行自动获取数据的动作。也就是说,仅激活装置的数据获取功能并不对应于自动获取—激活该功能后发生的事件才对应于方法动作390。
方法399还包括方法动作392,其包括分析在方法动作390中获取的数据,以确定耳鸣事件正在发生或耳鸣事件具有在近期内发生的统计可能性中的至少一者。在仅作为示例而非限制的示范性实施例中,使用来自机器学习的结果或可能具有实用价值并且以其它方式可以实现本文中详述的至少一些教示的任何其它人工智能/机器学习原理来执行分析动作。在示范性实施例中,使用包括机器学习的产物和/或由机器学习产生的产物的装置执行方法动作392。在示范性实施例中,如本文中的所有方法动作一样,方法动作392可以被自动执行(并且在一些替代实施例中,本文中详述的一个或多个方法动作可以不被自动执行—本文中对任何方法动作或功能的任何公开内容都对应于自动执行此类动作或功能的公开内容,并且在替代实施例中,对应于不自动执行此类动作或功能的公开内容,除非另外指出并且如果现有技术能够这样做)。在示范性实施例中,本文中公开的任何方法动作和/或功能可以由人类执行,并且对此类动作和/或功能的此类公开对应于此类动作和/或功能的示范性实施例。
在示范性实施例中,所述产物是基于机器学习的结果制造的芯片。在示范性实施例中,所述产物是神经网络,例如深度神经网络(DNN)。所述产物可以基于神经网络或来自神经网络。在示范性实施例中,所述产物是代码(例如,加载到智能电话2140中或加载到假体342(或本文中的任何假体,或本文通过举例描述的任何耳鸣掩蔽器/耳鸣减轻装置)中的代码)。在示范性实施例中,所述产物是基于机器学习的结果制造的逻辑电路。所述产物可以是ASIC(例如,人工智能ASIC)。所述产物可以直接在硅结构等上实施。在至少一些示范性实施例中,可以使用能够根据本文中详述的教示,例如在听力假体或与听力假体通信的部件中利用人工智能的结果的任何装置、系统和/或方法。实际上,如下文将详述的,在至少一些示范性实施例中,本文中详述的教示利用来自人工智能系统或以其他方式来自机器学习系统的知识/信息。
示范性实施例包括利用训练过的神经网络实施或以其它方式执行本文中详述的方法动作中的至少一个或多个,因此实施例包括被配置为这样做的训练过的神经网络。示范性实施例还利用训练过的神经网络的知识/从实施训练过的神经网络获取的信息来实施或以其它方式执行本文详述的方法动作中的至少一个或多个,因此实施例包括被配置成利用这种知识的装置、系统和/或方法。在一些实施例中,这些装置可以是利用所述知识配置的处理器和/或芯片。在一些实施例中,本文中的装置和系统包括包括压印或以其他方式传授到神经网络的知识的装置。本文详述的教示包括利用机器学习方法等建立耳鸣减轻系统和/或装置和/或感官假体装置或与感官假体装置或耳鸣减轻装置一起使用的补充部件(例如,智能电话)和/或包含在消费电子装置(例如,具有耳塞以提供掩蔽的智能电话等)中的耳鸣减轻装置,以确定何时和/或哪种类型的耳鸣减轻是实用的,并且参与/实现此类耳鸣减轻。
如上所述,方法动作392可能需要利用机器学习的产物,例如利用DNN的结果、机器学习算法或系统,或可以用于实现本文详述的教示的任何人工智能系统来分析(包括处理)数据。这与例如利用一般代码或利用并非来自机器学习算法的代码或利用非基于AI的/所得芯片等处理数据形成对比。尽管指出在其它实施例中,也利用了这一点,例如方法392,其例如仅经由DNN执行,并且可以利用不是机器学习的产物来执行。在示范性实施例中,听力假体和/或智能电话或其它个人电子装置和/或耳鸣减轻装置等处理来自麦克风的信号,并且随后将该处理的结果提供到控制装置,所述控制装置根据所述处理的结果(在统计学上,耳鸣事件可能在近期内发生或不发生)激活耳鸣减轻方法(稍后对此有更多描述)。
根据至少一些示范性实施例,提供接收与耳鸣事件相关联的数据的反馈环路。在一些实施例中,训练过的神经网络(或训练中的神经网络)是此反馈环路的一部分,并且利用所述反馈来学习如何更好地减轻耳鸣。
再次,在示范性实施例中,机器学习可以是DNN,并且产物可以对应于训练过的DNN和/或可以是基于或来自DNN的产物(下文对此有更多描述)。
图3还包括方法动作394,其包括基于方法动作392中的分析动作发起耳鸣减轻方法(此处,分析动作已确定存在在近期内发生耳鸣事件的统计可能性)。在利用听力假体和/或耳鸣掩蔽器和/或专用耳鸣减轻装置或者利用可用于耳鸣减轻的设备(例如,智能电话或计算机等)执行方法399的示范性实施例中,所述方法包括向作为所述方法的主体的人提供将掩蔽即将到来的耳鸣的声音。在示范性实施例中,方法动作390、392和/或方法动作394可以由单独的装置(例如,仅作为示例而非限制,装置2140或2177等)执行,并且此类装置可以用于执行方法动作392,并且听力假体100/342可以用于执行方法动作394。
在示范性实施例中,耳鸣减轻可以包括提供掩蔽耳鸣的声音,首先提供降低耳鸣事件发生的可能性(包括预防此类情况)和/或首先指示患有耳鸣的人采取降低耳鸣事件发生的可能性的某些动作(例如,关闭声音源,让人离开环境,让人使用耳塞,让人移动以提高心率,让人喝一杯咖啡或吃咸的食物,等等)。
在示范性实施例中,基于方法动作392的结果,可以向患有耳鸣的人提供指示,以利用耳鸣减轻装置或以其它方式采取上述任何动作或上述其它动作,从而执行方法动作394。
实际上,在示范性实施例中,实施例包括本文详述的装置和系统的任何变型,其被配置成控制人的周围环境的某些方面。仅作为示例而非限制,关于在适当的位置存在此类控制机制的基础设施,所述装置可以指示建筑物控制系统调暗灯或调亮灯或关闭某些灯。装置和系统可以指示或以其它方式控制其它装置(例如,电视和/或收音机),以自动参与某些动作(增大音量、减小音量、改变频道、播放某种声音或播放某些背景噪声等)。装置和系统可以激活某些装置(例如,电视或收音机)或关闭此类装置。所有这些都基于方法动作392的结果。当然,在一些此类实施例中,与简单地发出关闭电视等的指令或建议相比,基础设施将相对较强,但截至本申请提交时,存在将本文详述的任何教示与能够控制人的周围环境的整体控制方案整合的技术。
另外,关于方法动作390的获取数据的动作,在一些示范性实施例中可以利用物联网。在示范性实施例中,可以利用计算机的麦克风或电话的麦克风等来捕获听觉环境。可以利用Alexa装置来捕获声音和/或实施方法动作394。在至少一些示范性实施例中,所有这些都可以利用容易获得的无线技术实施,因此,至少一些示范性实施例包括利用此类无线技术来实现上文提到的动作中的任一者或多者和/或将本文详述的任何装置与能够在减轻耳鸣的方法中控制的环境中的装置整合在一起。
在示范性实施例中,可以利用远程装置(例如远程服务器)来执行方法动作392,其中,例如,方法动作390由患有耳鸣的人所拥有的部件(例如,听力假体和/或智能装置2140,或能够实现方法动作390的任何其他装置)执行,并且,此部件接着通过互联网或蓝牙或通过任何其他数据通信布置(例如通过蜂窝系统)等向远程服务器提供数据,并且远程服务器执行或以其它方式访问被配置成执行方法动作392的装置,然后执行方法动作392。然后,远程服务器将方法动作392的结果传送回受耳鸣影响的人(和/或此人拥有的装置,无论该装置是同一装置还是另一装置),并且发起方法动作394,无论是自动发起还是由人、由能够根据本文详述的教示和/或其变型实现耳鸣减轻的任何装置手动发起。
在至少一些示范性实施例中,根据上文详述的教示,在示范性实施例中,与方法399相关联的所有动作由独立的身体穿戴和/或身体携带的感官假体或能够实现耳鸣减轻或以其它方式可以与此类方法结合使用和/或作为方法的一部分使用的其它假体或其它身体携带的装置(例如,智能电话)执行,而在其它实施例中,例如当处理能力受到限制时,一些动作由与独立的身体穿戴的感官假体分开的装置和/或用户拥有的其它装置和/或由远程装置执行,并且这些动作的结果被传送到感官假体和/或耳鸣减轻装置,使得可以执行耳鸣减轻。
如上所述,与经历反复耳鸣的人相关联地执行方法399。这并不意味着该人偶尔经历耳鸣,像大多数人一样。这意味着该人在耳鸣上存在足够多问题,以致于其试图首先利用该方法。在示范性实施例中,这样的人是医学上被诊断为患有耳鸣的人。
关于在近期内发生耳鸣事件的统计可能性的特征,其意指比该人经历反复耳鸣更多,例如基于统计学上的过去经验,每天或每几天或每天多次发生的事件。换句话说,死亡是一种长期发生的经历,它发生在每个人身上。人们关注的是短期问题。睡眠是另一种长期发生的经历,它也在某个时刻发生在每个人身上。通过粗略的类比,与只要给予足够时间最终一定发生的事情相比,这是预测更具体或更可能的事情。
另一种类比可能是预测地震。截至此撰写时,有一些相关指示有时发生地震,但这些指示并不对应于发生地震的统计可能性。中华人民共和国(或与其有关联的实体)在数年前就地震提出了最终准确的预测。在极少数情况下,相关使得发生预测事件的事实并不意味着存在此类事件发生的统计可能性,或这是预测性的。此类事件发生不对应于预测优势或统计可能性。清楚地讲,这些罕见的事件发生不仅仅是破钟公理(每天两次正确),并且对此类预测可能是有用的,但它们在统计学上不太可能或是预测性的。相反,统计可能性并不意味着在100%时间内始终是这种情况:给定组的环境对应于某一事件。通过粗略的类比,如果下雨,有统计可能性在高速公路上驾驶的人正使用挡风玻璃刮水器。雨可能相当小以至于人没有使用挡风玻璃刮水器,并且一些汽车(例如90年代中期的Corvettes)具有一定的挡风玻璃角度,在特定速度下,雨实际上会被吹离挡风玻璃,并且一些驾驶员可能太懒而不打开刮水器,并且一些汽车可能没有能工作的刮水器。但是,从统计上讲,高速公路上的给定汽车将打开挡风玻璃刮水器。
还应注意的是,这对个人来说可能是主观的。例如,统计可能性可能是针对个体的,而不是针对群组/群体,即使在患有耳鸣/经历重复耳鸣的人的群体内。
在示范性实施例中,代替短期限定词,方法动作392是确定事件在小于或等于如下时间内发生的统计可能性:1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、35、40、45、50、55、60、85、90、120、150、180秒,3.5、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、35、40、45、50、55、60、85、90、120、150或180分钟、或其间的以1秒为增量的任何值或值的范围(例如,4分钟10秒、123分钟、33至77分钟,等)。应注意,“近期”的概念涵盖刚刚在至少一些实施例中详述的量中的至少一些。
在示范性实施例中,自动执行方法动作390、392和/或394,例如,在对应于处理器或芯片或某种其他逻辑电路的控制器的控制下可能是这种情况,所述逻辑电路是利用能够实现此类目的的标准做法配置的。仅作为示例而非限制,在示范性实施例中,可以利用能够实现此目的的任何装置、系统和/或方法执行耳鸣减轻的激活和参与。在示范性实施例中,本文详述的各种假体的控制单元和/或其逻辑电路可以被修改以发起执行和/或执行这些方法动作中的任何一者或多者和/或具有这些功能。在示范性实施例中,应用程序等可以加载到智能电话等上。个人计算机可以用于以自动方式实施本文详述的一些或更多方法动作。
清楚地讲,在耳鸣的至少一些示范性情境中,人学习和理解其耳鸣模式是困难的或艰难的。简言之,本文中的机器学习可以用于开发给定人的耳鸣模式的模型。在本文详述的教示的至少一些示范性实施例(例如以自动方式实施的那些)中,本文详述的系统可以在这方面是实用的。在至少一些示范性实施例中,自动管理人的耳鸣的系统可以使人能够不担心自己的耳鸣和/或更少担心自己的耳鸣,或者以其它方式花费更少的时间处理自己的耳鸣。至少一些示范性实施例允许患有耳鸣的人依靠自己来实施耳鸣减轻特征,而不需要有意识地与外部装置、应用程序交互和/或手动地调整耳鸣减轻装置/用作此的装置的设置接通和断开。就此而言,对于以不一定识别或以其它方式以用户不显而易见的方式激活和/或去活的方式操作的装置存在实用价值。实际上,在示范性实施例中,本文详述的教示可以包括转移个体注意力的装置和/或系统,从而减少个体担心由于耳朵中的意外蜂鸣/嗡嗡声而不能听到即将发生的事情的焦虑。在示范性实施例中,注意力的转移可以对应于耳鸣减轻功能。
在示范性实施例中,分析动作(方法动作392)使得确定耳鸣事件将在近期内发生的统计可能性。这与确定耳鸣事件将不会发生的统计可能性相反,在某些示范性情境中就是这种情况—实际上,在至少一些示范性情境中,这将是方法动作392的大部分结果,至少对于没有24/7遭受耳鸣的人来说是这样—简要地指出,本文详述的教示包括确定耳鸣事件将在近期内发生的统计可能性和/或还确定耳鸣事件在近期内将不会发生的统计可能性,对于后者而言,不实施减轻。
在方法399的至少一些示范性情境中,尚未发生耳鸣事件。就此而言,方法动作392是预测性动作。尽管如此,在替代实施例中,耳鸣事件已发生或正在发生,并且方法动作392是实时或尽可能接近实时地确定相关人员正在经历耳鸣事件的动作。在至少一些示范性实施例中,这可以通过相关人员向用于实施方法的系统中提供输入来实现,但是在其它实施例中,这是在没有来自人员的肯定输入的情况下完成的,并且因此可以自动完成。实际上,在示范性实施例中,或更适当地,在示范性情境中,所述人未认识到他或她在短期内正在经历耳鸣事件,并且此类事件在短期内仍然发生。因此,在示范性实施例中,本文详述的教示对于防止经历耳鸣发作的人认识到这种情况具有实用价值。仅作为示例而非限制,在示范性实施例中,可以在耳鸣发作开始之前或刚开始时(或在根据方法399确定正在或将发生事件时立即),或在与其接近的其他时间,使用和激活耳鸣掩蔽装置,以实现这种实用价值。
存在使用本文详述的教示来实现自适应而非反应性耳鸣减轻方案的实施例。利用本文中的预测性教示使得本文中详述的主动动作能够防止耳鸣事件发作,或至少首先防止此类事件引起注意。在示范性实施例中,本文公开的装置和系统使得能够随时间推移跟踪人的耳鸣经历,并且将这种跟踪与记录的各种数据相关联,并且开发和适应变化的情境以进一步应对或以其它方式管理耳鸣。在示范性实施例中,本文详述的装置和/或系统使得能够随时间推移跟踪这些措施,并评估各种措施如何随时间推移变动以制定耳鸣管理方案。
为了清楚起见,本文的至少一些实施例依赖于掩蔽,这是一种可以使接受者能够避免认识到耳鸣即将出现或实际上正在发生的措施。而且,本文的教示依赖于首先完全避免发生耳鸣的动作。这些方案中的任一个或两个可以用于至少一些实施例中。
因此,本文详述的教示的一些实施例使得能够进行实时监测以首先避免耳鸣。实际上,在示范性实施例中,在耳鸣发生之前发起耳鸣减轻工作。
举例来说,在示范性实施例中,包括通过实施掩蔽输出来减轻/缓解或以其它方式管理耳鸣,其中,在没有来自患有耳鸣的人的手动和/或肯定输入的情况下发起和/或截断所述掩蔽。关于截断,应注意,出于文本经济的目的,本文对发起耳鸣减轻工作的任何公开还对应于暂停或以其它方式停止耳鸣减轻工作的替代公开,尽管要对基础数据集或其他基础评估作出任何适当修改,这对于确定何时这样做是实用的。
在示范性实施例中,对于统计上显著的耳鸣患者群体,在给定的W个月的时间段内,在实施该方法/使用该装置实施该方法的Z个小时内,给定人未识别出发生的耳鸣发作的至少和/或等于20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95或100%、或其间以1%为增量的任何值或值的范围,其中,Z可以是200、225、250、275、300、325、350、375、400、425、450、475、500、525、550、575、600、625、650、675、700、720、725、750、775、800、850、900、950、1000、1050或1100或更大、或以1为增量的任何值或值的范围,并且W可以是1、1.5、2、2.5、3、3.5、4、4.5、5、5.5、6、6.5、7、7.5、8、8.5、9、9.5或10、或其间以0.25为增量的任何值或值的范围。在示范性实施例中,对于给定的W个月的时间段内的主体人来说,情况相反。在示范性实施例中,在上述时间段内,给定人未识别出至少10、15、20、25、30、35、40、45、50、60、70、80、90或100或更大、或其间以1为增量的任何值或值的范围的发作。
在至少一些示范性情境中,方法动作392,即分析动作,使得确定耳鸣事件将在近期内发生,耳鸣事件尚未发生,该人未识别出减轻已开始,以及该人未识别出他或她在短期内正经历耳鸣事件的统计可能性。在示范性实施例中,对于统计上显著的耳鸣患者群体,在给定的W个月的时间段内,在实施该方法/使用该装置实施该方法的Z个小时内,给定人未识别出发生的减轻动作的至少和/或等于20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95或100%,或其间以1%为增量的任何值或值的范围。在示范性实施例中,对于给定的W个月的时间段内的主体人来说,情况相反。在示范性实施例中,在上述时间段内,给定人未识别出减轻动作的至少10、15、20、25、30、35、40、45、50、60、70、80、90或100或更大、或其间以1为增量的任何值或值的范围(从减轻动作的发起开始到结束,它们是离散的)。
在至少一些示范性实施例中,在方法动作390中自动获取的数据是指示周围环境条件的数据,并且不包括生理特征。在示范性实施例中,自动获取的数据是指示周围环境条件和生理特征的数据。
但要再次明确,虽然一些实施例包括自动获取的数据,但在其它实施例中,所述数据可以非自动化方式获取。仅作为示例而非限制,可以通过自动测量或通过手动/感兴趣人的输入获取用户或其他感兴趣人的生理状态。在示范性实施例中,本文中的装置、系统和/或方法可以被配置成接收感兴趣人的音频语句并分析这些语句以确定生理状态。例如,如果感兴趣人大声说出他或她正在以给定水平(例如,从1到10的量程)和/或以一般频率分类(预定的,其可具有给定名称,可以是频率A或B或C等,或低、中低、中、高等)经历耳鸣,则系统能够记录该情况或以其它方式接收该语句并相应地分析该语句。另外,在至少一些实施例中,也可以包含下文详述的表征(1到10的量程等),如下文将描述的。尽管如此,这可以构成如下文将描述的数据记录。在示范性实施例中,感兴趣人可以将数据输入到例如智能电话中。可以存在用户输入应用程序,所述用户输入应用程序使得感兴趣人能够经由智能电话的触摸屏以预定方式输入与其生理条件有关的数据。
还应注意,在至少一些实施例中,装置和系统使得能够,并且方法还包括:获取装置设置或与假体或其它听觉装置或感兴趣人可能正在使用的其它耳鸣减轻装置有关的其它设置。
在示范性实施例中,指示周围环境条件的数据可以包括与声音环境有关的数据,包括患有耳鸣的人的语音、其他人的语音(包括直接与接受者说话的其他人的语音和/或接受者希望理解的其他人的语音)、其他声音的存在,例如风噪音、设备噪音、音乐噪音、机器噪音(风扇、HVAC系统)、一般背景噪音(收音机、电视)、人群噪音、交通噪音、水噪音、打字噪音、儿童噪音等。此外,周围环境条件可以包括白天或夜晚条件、光照或黑暗条件、温度条件、湿度条件、位置条件、活动条件(例如,驾驶、锻炼、行走、跑步、游泳、饮食、阅读、打字、相对密集的眼睛聚焦)、一天中的时间、一周中的时间、假体装置设置(包括听力假体设置)。在至少一些示范性实施例中,相对于获取指示其的数据,可以包括与触发耳鸣发作具有统计上显著的相关性或以其他方式与此类情况的后续发生或此类情况的当前存在相关的任何周围环境条件(如果现有技术能够这样做)。附加实施例可以包括利用定位条件,例如人是在海滩还是在高速公路附近还是在机场附近等。实施例还可以包括利用如下这样的条件,例如该人是否在汽车中或在办公大楼中或在家中或在卧室中或在具有高混响声基数或低混响声基数的位置外部或内部等。
实施例包括使得能够以自动和/或人导入的方式识别上述任何条件(如果现有技术能够这样做)的装置和系统,以及以自动和/或人导入的方式识别上述任何条件的方法。仅作为示例而非限制,本文在一些示范性实施例中公开的任何装置可以确定感兴趣人的语音,并将该语音与其它语音/其他人的语音分开。如下文将更详细地描述的,这在将患有耳鸣的人的语音用作指标方面可能具有实用价值,或者是耳鸣正在发生和/或耳鸣将要发生和/或耳鸣的表征的潜在变量。
在示范性实施例中,具有特定频率的某些背景噪音可以触发或以其它方式恶化耳鸣。在一些实施例中,此背景噪音可以是由系统记录的数据,并且可以建立这种背景噪音与耳鸣发作或耳鸣严重度之间的相关性。在一些实施例中,耳鸣减轻方案可以包括检测此类背景噪音,并且在这种检测后,向接受者建议他或她减轻该背景噪音(停止噪音,戴上耳塞)或以其它方式离开存在此类噪音的区域。在一些实施例,例如利用听力假体的特征的那些实施例中,可以利用声音处理器来改变被接受者感知到的声音的频率,以便降低耳鸣事件将被触发的可能性和/或降低耳鸣事件的严重性。下文对此有更多描述。
实施例可以考虑到耳鸣可能对语音感知产生影响。在一些情况下,一个人的语音可以反映他或她的语音感知。实际上,通过将其他人的语音与感兴趣人的语音进行比较,或者甚至简单地单独评估感兴趣人的语音,在至少一些实施例中可以推断该人正在经历耳鸣事件。也就是说,通过将感兴趣人的语音用作潜在变量,可以将所述人的语音用作耳鸣事件正在发生的标记或指标。换句话说,如果一个人没有经历耳鸣事件,至少是严重的耳鸣事件,那么他或她的语音就会不同。本文中的实施例利用被配置成检测感兴趣人的不良语音质量和/或不同语音模式的发生率的装置和/或系统,并且包括检测感兴趣人的不良语音质量和/或不同语音模式的发生率的方法,并且将此用作耳鸣发作的标记,并在识别到此类事件时以自动化方式触发适当的减轻策略。语音模式也可以被用作耳鸣/正在发生耳鸣事件的代理或以其他方式用作耳鸣/正在发生耳鸣事件的潜在变量。实施例包括与感兴趣人的语音相关联以及根据本文详述的教示将各种语音模式/语音质量与耳鸣事件相关的数据记录。
由上文推论,在至少一些示范性实施例中,本文公开的耳鸣管理/减轻技术可以实际上提高语音的可理解性。在示范性实施例中,在可理解性评级方面分析和/或测量语音产生异常,可以对所述可理解性评级进行监测并且可以将其用作关于耳鸣减轻是否实用的指标。在任何情况下,这都可以被用作本文教示的实用价值的量度。因此,在至少一些示范性实施例中,至少在耳鸣事件正在发生或基于统计数据本来会发生时,标准化语音可理解性测试相对于在不存在本文详述的教示的情况下的情况的总体语音可理解性得分增加至少10、15、20、25、30、35或40%或更多。
可以利用2020年1月30日公开的名称为“Habilitation and/or RehabilitationMethods And Systems(康复和/或恢复方法与系统)”的PCT申请公开号WO 2020/021487中详述的任何一个或多个教示,来分析患有耳鸣的人的语音和/或其他人的语音和/或比较这两者和/或以其他方式捕获可以用于这样做的数据和/或评价语音的可理解性。事实上,在示范性实施例中,该专利申请公开的与识别给定人的语音、获取与该人的语音相关联的数据、记录该人的语音、评估给定人的语音或其他人的语音相关的任何教示可以在至少一些示范性实施例中被用作一个人是否正在经历耳鸣发作(或可能经历此类耳鸣发作)的代理,并且此类教示可以对应于本文详述的数据(如果现有技术能够实现此类教示)。事实上,本专利申请公开中对将此用作代理来评估一个人听力如何或以其它方式提取与一个人的听力(无论此类听力是自然的还是由来自人工假体的刺激引起)相关的指标的任何公开内容对应于本文中对这样做以识别耳鸣发作的修改方法和/或修改装置和/或系统的替代公开内容,其中评估的耳鸣特征与听到的能力相反。
获取的生理数据可以对应于认知负荷和/或压力水平,并且也可以用作耳鸣事件发生的代理。本文详述的各种传感器可以用于确定这种情况和/或推断感兴趣人具有高认知负荷和/或高压力水平,并且在至少一些示范性实施例中,可以使得能够推断认知负荷和/或压力水平的任何装置、系统和/或方法能够实现此类内容以用作耳鸣确定的代理。大脑活动也可以被用作数据集,其可以被评估以推断耳鸣事件将发生和/或正在发生的可能性。实际上,在至少一些示范性实施例中,任何一种或多种情绪响应都可以用作数据集。
在一些实施例中,被用作代理或以其它方式是耳鸣的潜在变量的上述数据可能并不存在于所有人中。实际上,有些人不会因为耳鸣而感到烦恼。因此,本文详述的许多数据集对给定人员而言可能是主观的。也就是说,关于大数据或以其它方式利用统计上显著的群体来开发算法,在将某些人(例如不受耳鸣干扰的人)从该群体排除方面可能存在实用价值。
实现的内容。仅作为示例而非限制,装置、系统和方法可以包括全球定位系统,其提供与给定人的存在或位置有关的指示。一些示范性实施例可以包括与听力假体和/或耳鸣减轻装置和/或智能电话等组合的全球定位系统。可以在至少一些示范性实施例中利用能够实现本文中详述的教示的此类装置的任意组合。关于声音环境,如下文将进一步详述的,在示范性实施例中,可以利用听力假体或耳鸣减轻装置和/或智能电话或其它装置的麦克风来捕获环境声音(麦克风的环境,因此包括感兴趣人的声音),并且装置可以被配置成分析所捕获的声音并且确定或以其它方式对声音环境分类。仅作为示例而非限制,声音分类和/或场景分类可以利用2017年12月14日公开的由名字为Alex von Brasch、StephenFung和Kieran Reed的本领域的伟大知名创新者的、名称为“advance sceneclassification for prostheses(假体的高级场景分类)”的美国专利申请公开号2017/0359659公开中的任何一个或多个教示来执行。在示范性实施例中,如果本领域能够这样做,本文详述的任何一个或多个教示可以结合其而用于本文公开的任何装置、系统和/或方法中。在示范性实施例中,由‘659公开案的教示实现的分类可以用于识别声音环境或以其它方式提供或以其它方式创建在方法动作390中获取和/或在方法动作392中利用的数据。在示范性实施例中,用于实施方法399的装置对应于‘659公开案和/或其变型中详述的任何装置,例如对应于按照图2的实施例的声学听力辅助装置的听力假体,其具有‘659公开案中详述的任何一个或多个特征结合本文详述的一个或多个教示。
可以有被配置成告知时间的装置,该时间可以用于确定一天中的时间。用于实施本文的教示的装置可以包括被配置成跟踪消逝的时间的机载计时器或电路,因此,可以通过类似于关于具有机载时钟的计算机的操作的情况的方式将一天中的时间和/或一天与其相关。尽管如此,在示范性实施例中,可以通过互联网与计时装置(例如,海军气象天文台处的原子钟)建立通信链路。也就是说,可以利用智能电话等利用的装置、系统和方法来获取时间特征。
此外,在示范性实施例中,本文公开的装置、系统可以被配置成,并且本文公开的方法包括,经由有线或无线通信从远程装置(例如从电视等)接收数据。举例来说,电视可以输出能够由声学听力辅助装置或正在使用的任何装置接收的信号,所述信号可以指示环境条件。另外,作为示例,物联网可以用于获取方法399和/或本文详述的其它方法中利用的一些数据。在示范性实施例中,装置和系统被配置成,并且方法包括,与物联网通信以获取在一些实施例中使用的数据。更进一步,光传感器等或相机可以用于获取一些数据。图像识别系统可以用于获取在一些实施例中使用的数据。还应注意,上述环境因素也可以是与接受者对耳鸣的感知相关的因素。
如上所述,方法390的一些实施例利用指示生理特征的数据。仅仅作为示例,可以是EEG监测仪、EKG监测仪的结果、体温、脉搏、脑波/大脑活动数据、睡眠/清醒状况和/或困倦警觉、眼睛运动/眼睛运动速率数据、血压等,或能够实现本文详述的教示或以其它方式与确定耳鸣事件的发作和/或耳鸣事件正在发生具有统计上显著的关系的任何其它生理状况或数据集,前提是本领域能够实现此目的。
应当简要指出的是,实施例可以包括获取与感兴趣人是否正经历头痛和/或偏头痛、感兴趣人是否睡眠充足或睡眠极少,或者以其他方式获取感兴趣人经历的睡眠量、感兴趣人的激素问题、一个人是否正经历头晕等、此人进食的食物类型和/或此人上一次进食的时间或此人进食的频率和/或时间段、此人补充水分或以其他方式饮用的饮料类型和/或此人上一次补充水分或以其他方式饮用的时间和/或此人补充水分或以其他方式饮用的频率和/或时间段、一个人是否经历了恶心以及与此相关的次数等有关的数据。根据本文详述的教示,可以利用任何前述数据来开发预测和/或识别耳鸣的趋势和/或将与其相关联的特征相关的方法。任何前述数据都可以对应于方法390的数据。
可以在至少一些示范性实施例中利用可以具有实用价值的任何心理声学数据集。关于启用现有技术,仅作为示例而非限制,2020年5月7日公布的、名称为“PhysiologicalMeasurement Management Utilization Prostheses Technology and/or OtherTechnology(利用假体技术和/或其它技术的生理测量管理)”的PCT申请公开号WO 2020/089856中详述的任何一个或多个教示。实际上,在示范性实施例中,如‘856公开案中公开的那样测量的任何一个或多个生理特征被用作方法399的数据。在示范性实施例中,‘856公开中所公开的装置、系统和/或方法中的任何一个或多个被用于获取数据。在示范性实施例中,‘856公开案中公开的任何一个或多个实施例和/或其中公开的装置、系统和/或方法与本文中公开的任何一个或多个装置、系统和/或方法组合使用,以实施本文中公开的任何一个或多个或全部装置、系统和方法。在一些实施例中,‘856公开案中详述的任何一个或多个假体与本文中的任何一个或多个装置组合使用。
简要地指出,在至少一些示范性实施例中,在没有来自作为所述方法的主体的人的肯定输入的情况下执行方法动作392。也就是说,在示范性实施例中,这与自动识别耳鸣事件正在发生或将在短期内发生的概念是一致的,并且这种识别是在没有来自感兴趣人的输入的情况下进行的。也就是说,应注意,在一些示范性实施例中,存在来自感兴趣人的肯定输入。因此,在至少一些示范性实施例中,使得本文中的装置和系统能够允许感兴趣人肯定地输入指示他或她正经历耳鸣和/或他或她认为其将在短期内经历耳鸣事件的数据。
示范性实施例包括一种设备,该设备包括随身携带的便携式装置,该便携式装置包括输入子系统和输出子系统,其中,该装置包括机器学习的产物和/或由机器学习产生的产物,该装置使用该产物来确定何时和/或是否发起耳鸣管理动作。在示范性实施例中,此设备可以用于执行方法动作39。在示范性实施例中,此装置可以在上述耳鸣管理装置2177中实施,和/或可以是本文详述的任何假体或本文详述的任何其它装置的一部分,前提是本领域能够实现此目的。在示范性实施例中,此装置可以是独立装置,其经由装置的输出向与其进行信号通信的单独的耳鸣掩蔽装置提供输出。在示范性实施例中,该装置可以是向听力假体(例如图2的听力假体)提供输出的独立装置,所述输出由所述听力假体接收,并且所述听力假体不能接收所述输出并评估所述输出并激活耳鸣减轻/管理方案,例如仅作为示例而非限制,生成耳鸣掩蔽声音和/或改变信号处理方案,所述信号处理方案消除某些频率和/或声音,或以其它方式以对于减少和/或消除耳鸣发生的可能性具有统计上显著的方式修改信号处理方案。
在示范性实施例中,前述设备可以是与掩蔽装置等信号通信的掌上计算机。尽管如此,在装置不是随身携带的便携式装置的替代实施例中,装置可以是笔记本计算机或台式计算机等。更进一步,在示范性实施例中,随身携带的便携式装置可以是图2的听力假体和/或可以是图2C的耳鸣管理装置。就此而言,短语随身携带的便携式装置可以是由身体携带的任何装置,而不管其携带方式如何。在示范性实施例中,随身携带的装置可以体现于和/或是听力假体、手表或腕带等,和/或体现于和/或是悬挂在颈部等周围的悬挂件中。
然而,在示范性实施例中,前述设备可以是在结构上是本文详述的耳鸣减轻装置和/或听力假体和/或其变型的一部分的装置。实际上,随身携带的便携式装置可以是听力假体或耳鸣减轻装置。
前述输入子系统可以是接收与方法399相关联的数据中的任何一个或多个及其变型和/或本文详述的其它数据的子系统。在示范性实施例中,输入子系统可以是从另一装置接收数据的无线子系统,和/或输入子系统可以是从另一装置接收数据的有线子系统。在示范性实施例中,输入子系统可以是无线接收器和/或收发器。前述输出子系统可以是发射器和/或收发器,和/或可以是有线输出子系统,其向另一装置提供指示是否针对前述产物发起耳鸣管理动作的信号。仅作为示例而非限制,装置可以提供发起耳鸣管理动作的激活的输出信号。就此而言,来自输出子系统的输出可以是控制信号,并且因此在示范性实施例中,随身携带的便携式装置可以是控制装置或以其它方式具有控制功能。在示范性实施例中,此装置可以是图2的假体的一部分或耳鸣管理装置的一部分。实际上,在示范性实施例中,输出子系统可以是装置的实际输出,其可以是掩蔽声音等。在替代实施例中,来自输出子系统的输出可以是指示应激活耳鸣管理动作的信号,但所述信号本身不控制另一装置或装置的激活。输出可以是指示应执行耳鸣管理动作的数据。在此示范性实施例的实施例中,接收装置可以是具有逻辑的装置,所述逻辑评估信号并且确定其是指示应执行耳鸣管理动作的信号。
示范性实施例包括一种设备,该设备包括装置(随身携带装置或其它装置),其包括输入子系统和输出子系统,其中所述装置包括机器学习的产物和/或由机器学习产生的产物,所述装置使用所述产物来基于输入子系统的输入确定何时和/或是否使用输出子系统提供输出,其中所述装置是耳鸣管理系统的至少一部分。示范性实施例包括一种设备,该设备包括随身携带的便携式装置,其包括输入子系统和输出子系统,其中所述装置包括机器学习的产物和/或由机器学习产生的产物,所述装置使用所述产物来基于输入子系统的输入确定何时和/或是否使用输出子系统提供输出,其中所述装置是耳鸣管理系统的至少一部分。
在示范性实施例中,所述装置还使用机器学习的产物和/或由机器学习产生的布置来基于输入子系统的输入确定应当执行(例如,来自多个动作的)何种类型的耳鸣管理动作,其中管理动作修复耳鸣的影响和/或防止发生明显耳鸣情境。仅作为示例而非限制,耳鸣管理动作的类型可以是掩蔽动作,或者可以是对听力假体设置的调整,所述调整以统计上显著地显示的方式调整声音处理以减少耳鸣事件发生的可能性。
在示范性实施例中,防止接受者注意到他或她正经历耳鸣发作可以具有实用价值,因为在至少一些情况下,当该人意识到存在耳鸣时,耳鸣经常恶化(或更准确地说,与其相关的感知刺激经常恶化)。
因此,在示范性实施例中,所述装置被配置成基于输入子系统的输入而使用所述产物自动发起耳鸣掩蔽。
应当简要指出的是,尽管本文详述的实施例已根据听力假体进行了描述,但应注意,其声音处理技术也可以用于其它类型的听力装置,例如耳机等。仅作为示例而非限制,当一个人正在打电话时可能会发生耳鸣事件。在示范性实施例中,可以存在处理器,所述处理器以降低耳鸣效应发生的可能性的方式处理通过电话进入的声音。由此推论,可以通过电话发出掩蔽声音。要点是,本文中与听力假体相关联的教示的任何公开内容对应于也利用该教示的非听力假体(例如,耳机、电话、立体声音响、其它收听装置等)的替代实施例。
可以在本文详述的动作中包括能够实现减轻耳鸣和/或防止发生明显耳鸣情境的任何耳鸣管理动作,前提是本领域能够实现此目的,并且因此存在被配置成这样做的装置/系统。
在示范性实施例中,例如在装置是耳鸣减轻装置的结构部分/装置是耳鸣减轻装置的情况下,输出子系统可以是实际减轻耳鸣的输出。因此,在示范性实施例中,所述装置使用机器学习的产物和/或由机器学习产生的产物来基于输入子系统的输入确定要使用输出子系统输出何种类型的输出,再次其中,所述输出修复耳鸣的影响和/或防止发生明显耳鸣情境。应注意,减轻包括减少耳鸣的有害影响,包括消除这种影响,所有这些都是相对于在不存在本文的教示/减轻动作的情况下本来出现的情况。这可以通过以与原本情况不同的方式向接受者提供声音/唤起听力感知来完成,以便强调或移动频率,使得耳鸣不会过多干扰声音的感知,从而使倾听更容易。减轻还包括掩蔽。减轻还可以包括转移人的注意力。防止发生明显耳鸣情境的动作可以是主观的或客观的。就此而言,我们参考了应用于六个月的时间段的上述百分比。并且要指出的是,这些百分比在一些实施例中可适用于明显耳鸣情境的特征。
在一些实施例中,输入子系统被配置成自动获取至少指示正以耳鸣管理为目的使用该装置的人的过去和/或当前生理特征的数据,并且子系统的输入是所获取的数据。仅作为示例而非限制,生理特征可以小于、等于或大于1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、35、40、45、50、55、60、85、90、120、150、180秒,3.5、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、35、40、45、50、55、60、85、90、120、150或180分钟或更大、或其间以1秒为增量的任何值或值的范围(例如,4分钟10秒、123分钟、33至77分钟等)。可以在至少一些示范性实施例中利用可以相对于可能具有实用价值的预测性特征实现本文详述的教示的任何时间段。在示范性实施例中,输入子系统被配置成自动获取至少指示正以耳鸣管理为目的使用该装置的人的过去和/或当前周围环境条件的数据,并且子系统的输入是所获取的数据。与其相关联的时间特征可以是刚刚关于生理特征详述的那些。而且,在示范性实施例中,输入子系统被配置成自动获取指示过去和/或当前周围环境中的语音的数据(再次具有刚刚详述的任何时间特征),并且所述装置被配置成分析所述输入,并且确定所述语音可能是该装置的用户试图理解的语音,并且该装置基于所述分析自动调整耳鸣疗法。
应注意,在一些示范性实施例中,前述生理特征和/或周围环境条件可以是上文关于方法399详述的那些。
在示范性实施例中,所述装置被配置成记录指示正以耳鸣管理为目的使用所述装置的人的过去和/或当前周围环境条件或正以耳鸣管理为目的使用所述装置的人的过去和/或当前周围环境条件中的至少一者的数据,并且所述装置被配置成将所记录的数据与耳鸣相关事件相关。在示范性实施例中,数据记录用于训练专家系统/确定产物。因此,在示范性实施例中,装置进行“自训练”。下文将结合专家系统/训练过的网络的训练实施例等描述记录特征和自训练特征的其它细节。目前,应注意,用于预测耳鸣事件和/或确定耳鸣事件正在发生的机器学习装置的结果的实施例可以与首先训练系统的部件结合使用。实际上,在示范性实施例中,该装置可以是连续或半连续地训练自身的装置。
在至少一些示范性实施例中,可以利用手动输入方法执行数据记录和/或监测至少耳鸣发作相关事件(例如,该人何时正经历耳鸣和/或其特性),然后在此之后,可以接着实施自动化方法来管理耳鸣或以其它方式实施本文详述的耳鸣减轻特征。尽管如此,可以利用记录数据的自动方法。事实上,在至少一些示范性实施例中,除了激活或去活整个例程之外,可能不存在与用于记录数据和/或实施本文详述的耳鸣减轻功能的装置的手动交互(并且在一些实施例中,激活和去活也可以是自动的—这可以是听力假体中的嵌入式功能,例如,除非假体的接受者去活该功能,否则该功能可以一直起作用)。在至少一些示范性实施例中,可以利用可以使得能够识别耳鸣模式的任何装置、系统和/或方法。
耳鸣模式可以对应于一组耳鸣的模式和/或耳鸣的表现(间距、锐度/沉闷度等)。实施例可以集中于人感知到的耳鸣的响度。所有这些都可以是提供到本文的系统中的可以在至少一些实施例中被分析的数据。本文详述的教示可以是纠正性的或以其它方式修复的,以在至少一些示范性实施例中解决给定表现。
关于记录实施例,图4呈现了根据示范性实施例的示范性方法(方法400)的示范性流程图。如下文将详述的,记录的目的可以是获取可以由机器学习系统利用的数据集,如下文将详述的。关于图4的实施例,利用机器学习系统将所记录的数据与其它数据相关联。更具体地,方法400包括方法动作410,其包括记录第一数据,所述第一数据对应于经历反复耳鸣的人的过去和/或当前生理特征或该人的过去和/或当前周围环境条件中的至少一者。在示范性实施例中,方法400由机器执行,而在其它实施例中,这可以以基于人的方式/手动方式执行。也就是说,应注意,虽然至少一些示范性实施例利用机器或装置来记录和/或分类环境和/或生理方面,但其它实施例利用这些的自我报告和/或手动记录。因此,本文对由机器获取或以其它方式记录或以其它方式捕获的数据的任何公开还对应于对在替代实施例中被记录或以其它方式被手动记录的数据的公开。实际上,在示范性实施例中,装置2140可以用于自我报告等。虽然如此,一些实施例针对基于机器的系统/自动化系统。
在示范性实施例中,数据记录涉及环境声音,包括其他人的语音和/或经历耳鸣发作的人的语音。在示范性实施例中,数据记录涉及相对于实现本文详述的教示具有实用价值的任何心理声学数据。在示范性实施例中,用于实施教示的假体和/或另一单独装置(例如,被配置成捕获声音并且记录声音和/或评估声音和记录评估的装置)可以用于实现全部或部分数据记录。如上所述,在至少一些实施例中,可以利用场景分类,并且因此数据记录可以包括利用如本文详述的场景分类技术。
此外,应注意,在至少一些示范性实施例中,数据记录需要监测主动耳鸣减少方法和/或功能的使用,并确定它们何时被人使用和/或它们如何被使用,并将这些与一个或多个周围环境条件(可以包括一天中的时间)和/或生理条件和/或假体设置或其它装置设置等,或任何其他可能影响耳鸣感知的因素,或者更准确地,任何其他在统计学上有意义以影响耳鸣感知的因素相关联。在如本文详述的至少一些示范性实施例中,所记录的数据被机器学习系统用于学习和自动应用实用耳鸣管理或减轻方法,其可以包括减少耳鸣(例如,耳鸣仍然存在,但不如本来那么“严重”)。
还应注意,尽管本文中的实施例被公开为利用麦克风或其它声音捕获装置捕获声音和/或语音,并且利用这些来进行数据记录,但应注意,在替代实施例中,不必捕获语音和/或声音。就此而言,在示范性实施例中,以手动方式记录与语音和/或声音有关的数据。因此,本文对利用机器捕获和/或数据记录语音和/或声音的任何公开对应于对与语音和/或声音相关联的数据是自我报告或以其他方式手动记录的替代实施例的公开。
因此,在至少一些实施例中,第一数据包括指示具有耳鸣的人的语音和/或向具有耳鸣的人说话的人的语音的数据。
在一些实施例中,数据记录可以自动执行。下文描述实施此类操作的一些额外方式。此处的要点是,可以在至少一些示范性实施例中利用能够创建可由机器学习系统利用以实现本文详述的教示的数据集的任何数据。
下文将描述数据记录或以其它方式累积数据以建立用于机器学习系统中的数据集的一些额外示例。出于此直接讨论的目的,方法动作410是包括能够实现本文中的教示,利用可用的并且将提供实用结果的任何已知技术进行的任何数据记录的方法动作。
方法400还包括方法动作420,其包括记录对应于耳鸣相关事件和/或非事件的第二数据。在此方法动作中,患有耳鸣的人可以提供数据/可以自己记录数据,或以其它方式提供他或她正在或未经历耳鸣事件的指示。就此而言,至少在大多数情况下,患有耳鸣的人才能够说出他或她是否正在发作耳鸣。诚然,有些技术可以检测到神经元在其本不应放电时放电/以异常方式放电,并且因此推断耳鸣事件正在发生。然而,通常,这需要侵入性装置,例如接近其的耳蜗内的电极阵列或一系列电极。因此,虽然一些实施例确实包括利用来自患有耳鸣的人的非肯定输入来执行方法动作420,但大多数实施例通常将依赖于患有耳鸣的人的自我报告/自我数据记录。
在一些实施例中,这可以是简单方案,即每当患有耳鸣的人具有耳鸣事件时向系统提供输入,并且将这种情况与时间和/或所记录的第一数据相关联。关于将这种情况与时间相关联,如果所记录的第一数据也与时间相关联(在一些实施例中是这种情况),可以通过比较相似时间或足够接近的相似时间或类似的相似时间或可以实现本文详述的教示的任何其它方案来执行两个数据之间的相关。在示范性实施例中,接受者提供除他或她正在经历耳鸣发作的事实之外的额外数据。仅作为示例而非限制,该人可以提供关于耳鸣的严重度和/或感知到的响度和/或频率和/或其它感知的输入。可以使用预定量程来描述耳鸣。例如,可以使用1至5的量程或1至10的量程。关于确定频率,本文公开的装置、系统和方法可以具有在不同频率下提供一系列音调的特征,其中患有耳鸣的人识别最接近耳鸣感知的音调/频率。在示范性实施例中,假体和/或耳鸣减轻装置或正在利用的任何装置可以输出预定频率的不同声音,并且装置可以例如通过输入按钮等从识别最接近频率的接受接收输入。在示范性实施例中,装置可以输出准无限数目的频率,并且接受者可以迭代或以其它方式匹配最接近频率。可以使用Newton Rapson方法来识别最接近频率的频率。可以使用括号法机制。在至少一些示范性实施例中,可以使用能够实现患有耳鸣的人感知到的耳鸣的表征的任何装置、系统和/或方法,并且可以将它们用作关于方法动作420的输入。
在至少一些实施例中,所述装置、系统和/或方法可以基于耳鸣的间距和/或沉闷度和/或锐度和/或范围、耳鸣的复杂性和/或简单性、其时间特征(例如,短暂与漫长)、发作特征(突然发作且响度大、缓慢发作且严重度逐渐增加等)来表征耳鸣。在至少一些实施例中,所获取的数据可以包括对应于这些特性中的任何特性的数据,所述数据通常由感兴趣人的输入接收,并且此数据接着用于分析中以开发预测算法等。实施例可以基于潜在变量自动确定耳鸣的特性,并且基于这些特性相对于可用于其它特性的其它减轻方案发起或以其它方式应用耳鸣减轻方案。
为了清楚起见,实施例包括使得能够针对给定个体的需要调整耳鸣减轻机制的装置、系统和方法,并且这种调整可以自动执行。还应注意,相对于可能不一定需要减轻的其它事物,调整可以针对需要减轻的事物。例如,至少在针对某些减轻方案可能具有与其相关的某些成本的事实执行成本效益分析时,某些频率对于人来说可能不是问题,而其它频率可能是问题。
在实施例中,经历实时耳鸣发作的人可以利用本文的装置中的一种装置并激活该装置以输出声音,其中此装置自动输出频率增大和/或降低的音调,并且接受者识别被感知为最接近该频率的一个或多个频率。在实施例中,患有耳鸣的人可以在频率之间切换以对感兴趣频率进行三角测量。这可以在一些数据记录实施例中使用。
更具体地,在示范性实施例中,可以有手持式或随身携带的装置或假体或耳鸣管理装置,或者能够实现本文详述的至少一些教示的任何装置,包括其上具有应用程序的智能电话等,所述装置被配置成以不同频率在各种间距水平下生成短音频脉冲。在示范性实施例中,这可以是具有不同频率的间距水平,所述间距水平是预定的或以其它方式已被识别为关于括号法或以其它方式聚焦或识别给定接受者的耳鸣的给定特征至少潜在地具有实用价值。这些装置和/或系统可以利用测试模块来向感兴趣用户/人播放短音频脉冲(它可以是包括蜂鸣、嗡嗡声、啁啾、嘶嘶声、口哨声等的各种声音),响应于此,感兴趣用户/人通过本文详述的各种输入方案中的任何输入方案(触摸屏、说话等)指示最接近他们耳中经历的耳鸣声的一个频率/多个频率,使得这些装置和/或系统的至少一些示范性实施例能够生成不同间距、调制和响度,以能够模仿大部分(从统计学上讲,大部分包括全部)耳鸣情境。这允许系统形成耳鸣感觉的模型,以便识别解决这种情况的最佳或其他实用方式。在示范性实施例中,这可以对应于根据本文详述的教示而使用的数据(例如生理数据),并且在示范性实施例中,可以由本文详述的装置、系统和/或方法使用以识别或以其它方式制定对特定感兴趣人具有实用价值的耳鸣管理方案。仅作为示例而非限制,所获取的关于人的耳鸣的特征的数据可以用于自动化系统中,以识别管理系统的输出,所述管理系统可以掩蔽或以其它方式减轻或以其它方式首先防止耳鸣发作。还应注意,在示范性实施例中,此生理数据可以结合其它数据(例如,在大数据模式中)使用,以识别从统计学上讲比其他情境更可能产生耳鸣状况/比其他情境更可能触发耳鸣状况的某些情境。
在示范性实施例中,所述模型是与本文的各种数据输入相关联的耳鸣受挫程度图和/或其适当对策图,以便制定对患有耳鸣的个体具有实用价值的耳鸣减轻方案。
因此,在至少一些示范性实施例中,此类实施例使得能够建立自动耳鸣建模器。
应注意,方法动作420还包括记录对应于非事件的第二数据。就此而言,在确定接受者何时不经历耳鸣事件方面可能存在实用价值。实际上,在示范性实施例中,方法动作420的大部分需要记录非耳鸣事件。在示范性实施例中,不存在与耳鸣事件有关的输入至少有时被宣告为非耳鸣事件。虽然如此,在一些实施例中,患有耳鸣的人可以肯定地将输入提供到系统中或以其它方式记录他或她未经历耳鸣事件。由此推论,可以使用能够感测到神经元的放电的机器或其它装置来确定耳鸣事件是否正在发生,例如通过确定正在放电的神经元指示应该相对于周围噪声环境放电的神经元。
方法400还包括方法动作430,其包括利用机器学习系统将记录的第一数据与记录的第二数据相关联。使用机器学习的一些细节在下文中给出。简言之,在至少一些示范性实施例中,在没有相对于相关联动作的任何人类交互的情况下执行方法动作430。关于向机器学习系统提供数据,可能存在人类交互,但执行数据相关联的是机器学习系统。
在示范性实施例中,这可以—实际上整个方法400可以—由本文详述的任何一个或多个装置来执行,所述装置包括例如图2的假体或图2C的耳鸣减轻装置等。可以在至少一些示范性实施例中使用能够实现本文详述的教示的任何装置、系统和/或方法,因此,可以在一些实施例中使用能够执行方法动作430或本文详述的任何其它方法动作(包括整个方法400)的任何装置。
如上所述,第二数据可以是耳鸣相关事件和/或非事件。创意在于,第一数据中可能存在可以与第二数据相关联的统计上显著的因素,以基于第一数据的存在确定耳鸣事件发生的可能性增加。使用机器学习系统可以帮助识别统计上显著的相关性。例如,如果某些频率在接受者吃完午餐之后不久在某些振幅下普遍存在,并且机器学习系统确定在感知频率X下在这种情况与耳鸣发生之间存在统计上显著的相关性,那么将来这种事实模式的出现可以触发耳鸣减轻动作或一些其它动作。它将是用于防止她尝试预防耳鸣发作或以其它方式掩蔽耳鸣发作的数据。
关于非事件,这在识别耳鸣不发生或不太可能发生的情境方面可能具有实用价值。在这种情况下,如果存在某些情境,并且所述情境被示出为在统计学上不太可能导致耳鸣事件,则在至少一些实例中不会采取任何动作。尽管如此,在示范性实施例中,可能是所采取的动作试图使患有耳鸣的人保持在存在这些情境的环境中。举例来说,如果有体育论谈的背景无线电广播是不太可能发生耳鸣的环境,那么管理方案可以包括在背景中具有体育论谈无线电广播。
在至少一些示范性实施例中,可以利用在识别将存在耳鸣事件发作和/或防止耳鸣事件发作或降低耳鸣事件发作的可能性方面具有实用价值的任何相关性中的任何数据,前提是本领域能够实现此目的。
方法400还包括方法动作440,其包括利用机器学习系统制定耳鸣管理方案。再次,在示范性实施例中,这可以由本文中的任何装置执行,并且其结果可以用于此类装置中。就此而言,本文中的至少一些实施例包括自学装置,其基于第一数据和第二数据开发算法并且制定装置使用的耳鸣管理方案。举例来说,耳鸣管理方案可以用于执行方法399的一个或多个动作,并且/或者可以用于包括机器学习的产物的上述装置中。实际上,机器学习的产物可以包含耳鸣管理方案。
因此,在至少一些实施例中,耳鸣管理方案可以是训练过的系统的一部分,并且训练过的系统是用于管理耳鸣的便携式装置的一部分。
尽管如此,在一些实施例中,机器学习系统与用于实际实施耳鸣管理方案的装置是分开的。仅作为示例而非限制,方法动作440可以使用独立装置执行,所述独立装置并非被患有耳鸣的人拥有和/或控制,而是在临床医生的控制下或在与患有耳鸣的人完全分开的组织的控制下。然后单独地应用由机器学习系统制定的耳鸣管理方案,无论是以装置形式还是以治疗方法。
因此,在一些实施例中,在没有医疗保健专业人员参与的情况下执行方法400的动作中的一个或多个和/或方法400的全部动作。
下文将描述实施机器学习和与其相关联的装置的一些额外细节,包括数据记录。然而,首先,将介绍方法400的一些额外特征。
在示范性实施例中,由方法动作440产生的耳鸣管理方案包括掩蔽耳鸣的一个或多个声音,所述一个或多个声音是通过制定该方法动作440的动作识别的。在示范性实施例中,耳鸣管理方案可以包括施加到接受者的一个或多个减轻耳鸣的刺激。在示范性实施例中,方法动作430的相关联的结果可以识别在对应于从第一数据外推的情境的情境中在统计上显著地发生的耳鸣的频率。因此,与掩蔽声音的其它频率相比,掩蔽耳鸣的一个或多个声音可以是具有将掩蔽所识别的耳鸣的频率,或至少可能掩蔽耳鸣的频率的频率的声音。尽管如此,在一些实施例中,耳鸣管理方案更多地基于掩蔽声音的时间应用和/或基于在统计学上与耳鸣事件的发作相关的推断情境首先发起掩蔽声音。
为了清楚起见,虽然一些实施例集中于掩蔽声音,但其它实施例可以包括额外类型的调解并且/或者可能不一定利用掩蔽声音。在至少一些示范性实施例中,可以使用可以在耳鸣管理方案中使用的能够对减轻或以其他方式管理耳鸣具有实用价值的任何耳鸣管理动作,前提是现有技术能够这样做。
在示范性实施例中,本文中的任何装置(例如智能电话)可以被相应地配置,并且可以评估数据输入,并且通过其扬声器自动触发背景声音/音乐/噪音的播放,或者将声音流式传输到无线耳塞(或将背景声音混合到当前流式传输的音频中)以减轻耳鸣。
因此,在示范性实施例中,耳鸣管理方案包括触发一个或多个动作和/或建议,其中通过制定该方法动作440的动作识别触发动作的依据。建议的示例可以是让接受者离开他或她所在的房间或以其他方式更换场地,和/或消除声音的声音资源或以其他方式减小接受者正接收的声音的量(例如,使用耳塞或耳罩),和/或让相关人进行某种形式的锻炼或某种形式的运动等。在至少一些示范性实施例中,可以使用能够在管理耳鸣方面具有实用价值的任何动作和/或建议,前提是本领域能够这样做。
如上详述,在一些实施例中,本文中详述的教示是关于具有听力假体(例如,图2的装置或本文中公开的任何其它装置)的人实施的。因此,在示范性实施例中,第一数据包括指示听力假体装置设置的数据。在示范性实施例中,机器学习系统识别装置设置与耳鸣发作和/或耳鸣未发作之间的相关性。因此,对于作为听力假体装置设置的第一数据,可能存在实用价值。所述设置可以是音量增益噪声消除、波束形成,或在耳鸣和/或无耳鸣之间具有统计相关性的任何其它设置。
图7B呈现了根据至少一些实施例的人工智能装置或其他神经网络装置的示范性学习阶段的简要示范性流程图。图7C呈现了根据至少一些实施例的训练过的人工智能装置或其他神经网络装置的实施阶段的简要示范性流程图。
图5提供了示范性方法的另一示范性流程图。在示范性实施例中,有一种方法,即方法500,其包括方法动作510,该方法动作包括执行方法400。方法500还包括方法动作520,该方法动作包括在患有耳鸣的人体内实施耳鸣管理方案的动作,其中,实施耳鸣管理方案的动作防止所述人在实施耳鸣管理方案的总共Z个小时内,对于总发作次数的至少Y%认识到他或她正在发作耳鸣,所述Z个小时在W个月的时间段内。在示范性实施例中,Y至少是和/或等于20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95或100%、或其间以1%为增量的任何值或值的范围。
实施例还包括如下的示范性系统。与上文详述的实施例一致,所述系统可以包括被配置成捕获环境声音的声音捕获设备(例如,麦克风)。在示范性实施例中,声音捕获设备可以与数据记录动作结合使用以捕获环境声音。在示范性实施例中,本文中的装置和系统被配置成(持续地和/或在需要时,或基于实用或加权)记录声音,所述记录可以用于最终数据记录。这可以根据2020年1月30日公开的名称为“Habilitation and/or RehabilitationMethods And Systems(康复和/或恢复方法与系统)”的PCT申请公开号WO 2020/021487完成。尽管如此,在示范性实施例中,声音捕获设备仅仅是以传统方式用于听力假体的声音捕获设备。所述系统还包括电子封装(计算机芯片、处理器,或本文详述的那些中的任何一种及其变型),其被配置成至少基于从声音捕获设备输出的信号接收数据,并分析所述数据以基于所述数据确定使用该系统的人在近期内存在未来耳鸣事件的统计可能性。再次,在示范性实施例中,电子封装是机器学习的结果。在另一示范性实施例中,电子封装是由固件建立的和/或利用分析来自麦克风的数据并确定前述统计可能性的软件的常规电路(微处理器或其它)。在示范性实施例中,声音捕获设备是与包括该电子封装的装置分开的装置的一部分。在示范性实施例中,该电子封装可以是智能电话2140。在示范性实施例中,电子封装可以是以较大方式远离声音捕获设备的装置,例如位于远处,使得需要互联网和/或蜂窝电话或电话或某种其它通信系统来(从声音捕获设备的位置)与这些装置通信。相反,在一些实施例中,声音捕获设备和电子封装是单个相同物理装置的一部分,所述物理装置可以对应于对应于图2的装置和/或图2C的耳鸣减轻装置的假体。
在示范性实施例中,所述系统被配置成在确定后自动发起预先降低未来耳鸣事件的可能性的输出。在示范性实施例中,输出可以是掩蔽声音,其中输出可以是向感兴趣人建议做某件事情,例如消除背景噪音或进行一些锻炼(也许是呼吸锻炼)或进行一些改变或激活降低未来耳鸣事件的可能性的某件事情。在示范性实施例中,这可以是利用假体的输出扬声器的可听指令/建议,这可以是利用智能电话的显示屏或耳鸣减轻装置2177的显示屏的视觉指令,或向接受者传达这种指令的任何其它方式。应注意,输出的自动发起可以是对应于电子封装远离感兴趣人的动作,电子封装提供通过互联网等传送到感兴趣人的输出,或更准确地说,传送到感兴趣人/使用所述系统的人拥有的装置。
在示范性实施例中,所述系统被配置成在没有来自感兴趣人/使用所述系统的人的肯定输入的情况下自动发起所述输出。这与上文详述的实施例一致。尽管如此,在一些实施例中,所述系统被配置成结合来自感兴趣人的肯定输入而发起所述输出。在示范性实施例中,这可以是指示所述人正经历耳鸣和/或耳鸣类型和/或耳鸣的严重性的输入。在示范性实施例中,这可以是指示所述人出于任何原因认为耳鸣发作即将发生或可能发生(例如直觉)的输入。
实际上,在示范性实施例中,输入可以是区分彼此的输入。就此而言,本文中详述的教示的实施例可以针对耳鸣发作是否正在发生以及耳鸣发作是否被预测将发生而采取不同动作。仅作为示例而非限制,在示范性实施例中,如果耳鸣发作正在发生(或更准确地说,确定耳鸣发作正在发生),则可以发起掩蔽功能。相反,仅作为示例而非限制,在示范性实施例中,如果预测耳鸣发作将发生,但尚未发生,则可以改变听力假体上的设置(自动地,或可能给予该人建议)或可能实施/进行某些噪声消除例程,所述噪声消除已经以统计上显著的方式显示以减少耳鸣发生的可能性等。
在本文详述的系统的示范性实施例中,电子封装接收的数据还包括基于与人有关的生理数据的数据,并且电子封装被配置成结合基于所输出的信号的数据评估基于生理数据的数据,并且基于其确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性。因此,在该示范性实施例中,所评估的数据可以是基于声音场景分类的数据以及生理数据。也就是说,这不限于声音场景分类,而是在至少一些示范性实施例中,利用与所捕获的声音相关联的其它类型的处理。
在一些示范性实施例中,电子封装包括应用动态和个性化概率度量以确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性的逻辑。在示范性实施例中,与上文详述的记录实施例一致,所述系统被配置成自动记录指示所述人的过去和/或当前周围环境条件或所述人的过去和/或当前生理条件中的至少一者的数据,并且所述系统被配置成自动地将所记录的数据与所述人的耳鸣相关事件相关联,并且自动制定耳鸣管理方案。这可以通过本文详述的机器学习来完成。此外,所述电子封装被配置成执行耳鸣管理方案以分析数据,以基于所述数据确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性。
因此,在示范性实施例中,存在被配置成通过动态和个性化概率度量系统自动激活和应用耳鸣掩蔽的装置、系统和/或方法。
示范性实施例可以包括一种系统,所述系统包括耳鸣发作预测子系统(例如,由机器学习产生的产物,或能够访问使得能够产生耳鸣发作的软件的程序处理器/处理器等)和耳鸣管理输出子系统。在示范性实施例中,所述系统还包括耳鸣发作预测度量开发子系统。与本文提出的至少一些示范性实施例的细节一致,在一些示范性实施例中,系统包括训练过的神经网络,其中训练过的神经网络是耳鸣发作预测子系统的一部分,并且耳鸣发作预测度量开发子系统有助于训练所述训练过的神经网络。此外,在至少一些示范性实施例中,耳鸣发作预测子系统是所述系统的专家子系统,其包括机器学习算法的代码和/或来自机器学习算法的代码以实时分析与所述系统的用户有关的数据,并且其中,所述机器学习算法是基于统计上显著的耳鸣患者群体训练的训练过的系统。在至少一些实施例中,耳鸣发作预测子系统被配置成结合与语言环境度量相关的非语言环境度量自动分析语言环境度量,并且基于所述分析自动确定耳鸣事件是否即将发生,所述语言环境度量和所述非语言环境度量全部都输入到系统中。另外,在示范性实施例中,所述系统被配置成识别系统的用户的语音,并且语言环境度量是用户的语音。
至少一些实施例还可以考虑患有耳鸣的人的双耳的全部心理声学特征。在示范性实施例中,患有耳鸣的人可能碰巧是两侧接受者或双模听力装置用户。本文中详述的装置和/或系统和/或方法可以被配置或以其它方式被实施以考虑如下情境:在将某些频率下的某一掩蔽或其它耳鸣减轻刺激应用于一只耳朵时,为了维持个体的最佳听觉感知,所述系统可以考虑为另一只耳朵增大振幅和/或改变这些频率的某些设置的动态范围。
实际上,紧上方段落的特征不一定仅限于助听器用户/具有听力问题的人(除了耳鸣之外,在一定程度上被认为是听力问题)。仅作为示例而非限制,上文详述的图2的装置可以一天位于左耳处,并且也对应于上文详述的图2的另一装置可以位于右耳处,并且在将掩蔽等或一些其它声音施加到一只耳朵的方面来说,用于该耳朵的假体可以实施这种操作,且另一假体可以实施能够抵消施加到“被治疗”耳朵的刺激的声音处理。尽管如此,应注意,在一些实施例中,可以使用耳塞或耳机等来代替如图2中的完全假体。要点在于,在至少一些示范性实施例中,可以在一些实施例中利用双侧和/或双模实施方案,其中一只耳朵可以被用作应用于另一只耳朵的耳鸣减轻刺激的平衡。
由此推论,在至少一些示范性实施例中,装置、系统和方法使得能够基于所获取的数据来识别哪只耳朵正在发生或以其它方式可能发生耳鸣事件。实际上,在一些实施例中,基于系统获取/利用的数据可以确定存在耳鸣事件将在一只耳朵中而不是另一只耳朵中发生的统计可能性。
如上所述,实施例包括评估听觉环境和/或数据记录听觉环境。在示范性实施例中,这可以对应于测量听觉环境(听觉场景分析和数据记录)。听觉场景分析可以涉及可以识别各种各样的听觉环境的分类和决策过程,并且本文详述的系统可以被配置成评估这种情况并发起耳鸣减轻动作和/或识别相对于另一动作更具实用价值的耳鸣减轻动作的种类,并且发起这种动作。通过数据记录,系统可以在一段时间内收集和存储数据,以便能够分析具体趋势或在个人的真实世界听觉环境中记录基于数据的事件/动作。在一些实施例中,这可以告知对可能导致耳鸣事件的情境的评估,并且基于此,可以使得预测/确定此类事件的发生和/或此类事件的表征的系统能够实现。
如上所述,实施例可以依赖于自己的语音检测,因为可以基于对个人自己的语音(患耳鸣的人)的分析来触发耳鸣减轻动作。在示范性实施例中,根据2016年3月17日公布的名称为“Control Techniques Based on Own Voice Related Phenomena(基于自己的语音相关现象的控制技术)”的美国专利申请公开号2016/0080878中的任何一个或多个教示执行自己的语音检测,和/或本文中的与语音检测相关联的教示的实施以触发该申请的控制技术的方式执行。因此,在至少一些示范性实施例中,装置和系统可以被配置成执行该专利申请中详述的一个或多个或全部动作或以其它方式包括用以执行所述一个或多个或全部动作的结构。此外,实施例包括执行对应于执行该专利申请中详述的一个或多个方法动作的方法。
在示范性实施例中,根据2015年9月11日公开的名称为“Own Voice bodyConducted Noise Management(自己的语音身体进行的噪音管理)”的WO 2015/132692的任何一个或多个教示执行自己的语音检测/用户检测(并且通过扩展,其他语音的区分—如果不是用户的语音,必然是另一人的语音),并且/或者本文中的与用户(自己的)语音检测相关联的教示的实施以触发该申请的控制技术的方式执行。因此,在至少一些示范性实施例中,本文详述的各种装置和/或系统可以被配置成执行该专利申请中详述的一个或多个或全部动作或以其它方式包括用以执行所述一个或多个或全部动作的结构。此外,实施例包括执行对应于执行该专利申请中详述的一个或多个方法动作的方法。
应当注意,在至少一些示范性实施例中,在数据记录与捕获的语音之间存在相关性。尽管如此,在一些替代实施例中,在数据记录与捕获的语音之间不存在相关性。就此而言,在示范性实施例中,本文详述的利用所捕获的语音或与所捕获的语音以及所记录的数据相关联的数据的教示可以利用这种情况,即使两者之间不存在相关性。
替代实施例包括一种方法,所述方法包括使用机器捕获个体的语音和记录对应于个体的真实世界听觉环境的事件和/或动作的数据,其中,个体在使用听力辅助装置时说话,并且听力辅助装置是对应于机器或是用于执行记录数据的动作的装置中的至少一者。
听力辅助装置是指一种听力假体,以及一种在此仅帮助某人的装置,例如,与智能电话和耳机等一起使用的装置,其不是听力假体。实际上,在一些实施例中,听力辅助装置可以是扩音电话。根据一些实施例,本文中的任何教示可以与听力辅助装置组合/一起实施。
简要地指出,尽管以上最近段落针对听觉环境,但本文的教示还包括非听觉环境,例如本文详述的任何环境。因此,可以在至少一些示范性实施例中使用能够实现人的环境的任何实用方面的数据记录或记载的任何装置、系统和/或方法。仅作为示例而非限制,在一些实施例中,相机、心率监测器(Fit BitTM型装置)、温度监测器、锻炼监测器、运动监测器、血压监测器、EKG监测器、EEG监测器、全球定位系统等都可以用于获取指示这些监测器所用于的内容的数据,并且装置可以包括记录所获取的数据。
关于利用所记录的数据的实施例,在至少一些示范性实施例中,所记录的数据可以基于由机器或由另一装置捕获的所捕获的声音,并且因此也可以基于除机器之外的另一来源。在示范性实施例中,听力辅助装置或本文中的任何其它装置可以用于捕获周围声音环境,并且此类装置可以是听力假体,并且此类装置可以是用来捕获个体的声音和/或其他人的声音和/或周围听觉环境的机器。在示范性实施例中,听力辅助装置不是听力假体,但仍然是用于捕获个体的声音的机器。在示范性实施例中,无论听力辅助装置是否是听力假体,除听力辅助装置之外的另一装置被用来捕获个体的声音和/或其他人的声音和/或周围声音环境。
一些示范性实施例依赖于本文详述的变化评估和/或其变型中的统计模型和/或统计数据。下文将更详细地描述“最近邻”方法。然而,目前将更广泛地描述此特征。就此而言,仅作为示例而非限制,在示范性实施例中,对与周围环境和/或生理特征相关联的数据的评估包括将感兴趣人与类似状况人的此类数据进行比较。在示范性实施例中,统计上显著的组可以包括例如与接受者说相同语言并且在接受者年龄的10岁以内(前提是接受者比,在一些情况下仅作为示例而非限制,例如30岁大)、与接受者性别相同等的十个人或更多个人。
在示范性实施例中,可以使用诸如神经网络的机器学习系统来分析统计上显著的组的数据,以便实现(或更好地实现)比较/相关联。尽管如此,在一些示范性替代实施例中,可以执行和感兴趣人相关联的数据与状况相似的其它耳鸣患者的统计上显著的数据池的比较。
虽然已经根据将感兴趣人的数据与统计上显著的组/统计上显著的群体的模型进行比较描述了上文详述的实施例,但在一些其它实施例中,可以在不使用统计模型的情况下执行对数据的评估。
因此,从上文可以看出,在示范性实施例中,实施例可以包括任何方便的或以其它方式可获得的或以其它方式可修改的消费电子装置和/或假体装置和/或耳鸣减轻装置,所述装置可以包括专家子系统,所述专家子系统包括机器学习算法的代码和/或来自机器学习算法的代码以分析在实施本文详述的教示方面具有实用价值的基于装置(或系统)的输入的度量,并且其中所述机器学习算法是训练过的系统。可以基于使用装置和/或系统的人的个人体验训练和/或可以基于统计上显著的耳鸣患者群体(下文对此有更多描述)训练所述装置和/或系统。
根据示范性实施例,示范性机器学习算法可以是DNN。在至少一些示范性实施例中,系统的输入可以由DNN(或由DNN产生/来自DNN的代码)处理。
因此,实施例包括利用机器学习算法的代码和/或来自机器学习算法的代码分析所获取的数据/输入到系统中的数据,以开发可用于实施本文的适用教示的数据。再次,在示范性实施例中,机器学习算法可以是DNN,并且代码可以对应于训练过的DNN和/或可以是来自DNN的代码(下文对此有更多描述)。应注意,在一些实施例中,一般来说,没有输入到装置和/或系统,尤其是DNN中的“原始数据”/“原始周围环境数据”。相反,其中的一些或全部是预处理的数据。在至少一些示范性实施例中可以利用可以使得系统和/或装置和/或DNN或其它机器学习算法能够操作的任何数据。
应注意,本文中公开的任何方法动作对应于非暂态计算机可读介质的公开内容,所述非暂态计算机可读介质上编写有用于执行此类方法动作的代码,前提是本领域能够实现此目的。更进一步地,本文中公开的任何方法动作(其中本领域能够实现此类方法动作)对应于来自机器学习算法的代码和/或用于执行此类方法动作的机器学习算法的代码的公开内容。然而,如上所述,在示范性实施例中,代码不一定来自机器学习算法,并且在一些实施例中,代码不是来自机器学习算法等。即,在一些实施例中,代码源自传统编程。尽管如此,就此而言,代码可以对应于训练过的神经网络。也就是说,如下文将详述的,神经网络可以被“馈送”对应于系统的输入和系统的输出(链接到输入)的显著量(例如,统计上显著量)的数据,并且被训练,使得系统可以(在系统被训练之后)仅与输入一起使用来开发输出。用于完成此后一任务的这种神经网络是“训练过的神经网络”。尽管如此,在替代实施例中,可以利用训练过的神经网络来提供(或从其提取)可以与可训练的神经网络分开使用的算法。在一个实施例中,存在构成机器学习算法的训练路径,其从未被训练开始,然后机器学习算法被训练并且“毕业”或成熟为可用代码—训练过的机器学习算法的代码。关于另一条路径,来自训练过的机器学习算法的代码是训练过的机器学习算法(或其某种变体或其前辈)的“后代”,其可以被视为突变后代或其克隆。也就是说,关于此第二条路径,在至少一些示范性实施例中,使得机器学习算法能够学习的机器学习算法的特征可以不在实践某些方法动作时使用,并且因此不存在最终系统。相反,仅使用学习的所得产物。
图6描绘了与方法动作392相关联的示范性概念功能黑框示意图是本文通过举例详述的任何其他方法动作,其中输入610被输入到基于DNN的装置620中,所述基于DNN的装置利用训练过的DNN或某种其它训练过的学习算法或训练过的学习系统(或其结果—在示范性实施例中,机器学习的产物—如本文所使用的,可以对应于如在训练停止后在操作模式中使用的训练过的学习算法或训练过的学习系统,并且机器学习的产物可以对应于作为训练的结果而开发的产物—再次,这将在下文中更详细地描述),并且所述输出是提供给患有耳鸣的人和/或耳鸣减轻装置或配置成用于此目的的系统(例如相应地设计的听力假体)的信号630,该信号激活该装置的耳鸣减轻功能。在此示范性实施例中,装置620可以是处理器或芯片,或可以实现本文详述的教示的任何电子器件或电路,前提是其被配置成这样做。
应注意,在至少一些示范性实施例中,输入610直接来自麦克风,而在其它实施例中,情况并非如此。在示范性实施例中,输入来自本文详述的任何其他监测装置或能够实现本文详述的教示的任何其它监测装置。在一些实施例中,输入610直接来自这些部件/监测装置,并且在示范性实施例中,有身体装置或随身携带装置,其包括这些监测装置或被配置成实现此类监测的装置等中的任何一种或多种。此随身携带装置也可以是具有本文详述的耳鸣减轻特征的装置。尽管如此,在示范性实施例中,此随身携带装置可以是专用于获取数据以用于数据记录目的的装置,其中在示范性实施例中,在数据记录发生之后,不再执行数据记录,并且/或者耳鸣减轻装置是基于所记录的数据配置的装置,但所述装置不需要数据记录。尽管如此,在示范性实施例中,随身携带装置可以是用于获取指示相关人的周围环境和/或生理特征的数据的装置。在示范性实施例中,这可以是与发起耳鸣减轻和/或向接受者施加刺激以减轻耳鸣的装置进行信号通信的专用装置。发起耳鸣减轻和/或施加刺激的此装置可以是从此随身穿戴/随身携带装置接收数据并且根据本文详述的教示分析数据的装置。
回到装置620,在示范性实施例中,这可以是远离传感器和/或收集数据的位置定位的装置,所述数据经由诸如互联网等的通信系统传送。
输入610可以对应于可以使得本文详述的教示能够被实践的任何输入,前提是本领域能够实现此目的。因此,在一些实施例中,没有进入DNN的“原始声音”输入和/或原始周围环境输入和/或原始生理数据输入。相反,其中的一些或全部可以是预处理的数据。在至少一些示范性实施例中可以利用可以使得DNN或其它机器学习算法或系统能够操作的任何数据。
应注意,至少一些实施例可以包括在假体内部和/或耳鸣减轻装置内部和/或与此类装置(包括智能电话或计算机等)一起使用DNN的方法、装置和/或系统。在一些实施例中,神经网络(例如DNN)用于与来自一个或多个麦克风的音频信号直接相接和/或与来自本文详述的一个或多个其它监测装置的数据信号直接相接,经由其神经网络处理此数据,并且确定环境条件和/或生理条件是否对应于过去已指示与所述方法相关联的人的即将发生的耳鸣事件的那些条件并且/或者确定这些条件对应于当前耳鸣事件和过程。在一些实施例中,网络可以是其中权重先前已确定(例如,优化)并加载到网络的标准预训练网络,或者,网络可以一开始是标准网络,但接着被训练以改进特定人的结果。
图7给出了用于至少执行方法399的示范性系统。如图所示,有数据接收装置702,该数据接收装置可以是麦克风和/或Fit BitTM装置,或与本文的装置中的一个进行实时信号通信的具有类似功能和/或相同功能的装置,或EKG或体温测量装置或GPS接收器,或本文公开的任何监测装置,或可以实现本文的教示的任何其它装置,其可以执行方法动作390。如图所示,可以有预处理部件708,该预处理部件可以是任选的,并且可以包括数模转换器或模数转换器或能够以对于装置6202接收实用的方式预处理来自数据接收装置的结果的任何其它装置。因此,装置702和708共同执行方法动作390。
图7A提供了数据接收装置702的简要概念版本,所述数据接收装置包括读取电极1520和温度传感器1530,仅作为示例而非限制,前者能够测量体内的电脉冲(EEG或EKG),后者能够测量体温。还示出了血压传感器1525和出汗传感器1535。在一些实施例中,可以利用能够记录生理特征的任何其它传感器。各种传感器在相关人和整个数据接收装置之间提供接口。还示出了麦克风1589。麦克风1589被配置成捕获和/或监测周围听觉环境,例如背景周围音频环境。在示范性实施例中,可以有两个或更多个麦克风,并且整个布置可以具有波束形成和/或声音起源位置特征,其可以提供与本文详述的装置、方法和/或系统一起使用的数据。
在示范性实施例中,可以在本文中的至少一些示范性实施例中利用2020年5月7日公开的PCT专利申请公开号WO 2020/089856的任何一个或多个感测/监测布置,以及在该申请中监测或以其它方式测量的任何生理特征,前提是它们在实现此目的的领域中是实用的。感测/监测布置中的任何一个或多个可以是输入装置702的一部分。
来自装置702和/或708的输出对应于神经网络输入,以便由装置620获取。在至少一些示范性实施例中,网络将已经加载有预教导权重(下文对此有更多描述)。装置620的神经网络(其可以是执行信号处理/音频处理/光处理等的深度神经网络)接着确定耳鸣发作在统计上是否可能在近期内发生和/或耳鸣发作是否正在发生和/或应向患有耳鸣的人提供何种刺激以防止和/或掩蔽耳鸣发作。其结果被提供给数据接收装置777,所述数据接收装置可以对应于耳鸣减轻装置和/或听力假体的处理器或子处理器或能够可控地向患有耳鸣的人提供刺激的任何其他装置。在示范性实施例中,数据接收装置可以是处理器或计算机芯片或电子电路,其从神经网络装置620接收输入并相应地控制输出。在示范性实施例中,数据接收装置可以是被配置成向患有耳鸣的人提供音频和/或视觉输出的装置,所述输出可以是做某事的建议或指令,例如消除特定声音或从给定区域走开,以便避免耳鸣发作或以其它方式降低当前耳鸣发作的严重性等。
应注意,在示范性实施例中,装置620和777可以组合在单个装置中。由此推论,在示范性实施例中,装置620可以远离装置777。在示范性实施例中,装置620可以通过互联网等与装置777通信,并且装置777可以是上文详述的假体。在示范性实施例中,装置620可以嵌入本文详述的假体或本文详述的其它装置(例如,上文所述的耳鸣减轻装置)中/是其的一部分。
更具体地,在示范性实施例中,装置620是微处理器或另外是包括来自机器学习的产物的系统。在示范性实施例中,装置777可以包括/是电路,所述电路可以包括从处理器620接收输出并相应地应用耳鸣减轻动作的逻辑电路。就此而言,测绘区段540可以对应于耳蜗植入物的处理器。实际上,在示范性实施例中,可以获得听力假体,并且装置620可以插入其声音捕获布置与其输出/其声音处理器之间。在示范性实施例中,可以有听力假体或本文公开的任何其它装置的处理器,并且所述处理器可以被修改为包括与装置620相关联的特征,或者另外可以包括与听力假体的处理器/听力假体声音处理器通信的单独处理器,以执行与装置620相关联的动作。(应注意,在替代实施例中,处理器620被非处理装置替换,或者包括是机器学习算法或机器学习系统等的结果的非处理装置(例如芯片等)。本文中对处理器的任何公开内容对应于非处理器装置或组合式处理器-非处理器装置的实施例中的公开内容,其中非处理器是机器学习的结果。)
在示范性实施例中,装置620和装置777全部是单个处理器的一部分。在示范性实施例中,装置708、620和777全部是单个处理器的一部分。因此,在示范性实施例中,有被编程和配置成执行本文详述的功能中的一个或多个,或以其它方式包含用以执行本文详述的功能中的一个或多个的代码或电路或开关等的处理器。
在示范性实施例中,前述处理器是通用处理器,其被配置成执行本文中的一个或多个功能。再次,在一些实施例中,处理器包括基于机器学习/来自机器学习的芯片。在示范性实施例中,前述处理器是改进的耳蜗植入物声音处理器,其已被修改以例如通过包括因机器学习而开发的ASIC来执行本文详述的一个或多个功能。在示范性实施例中,固态电路被配置成执行本文详述的功能中的一个或多个。在至少一些示范性实施例中,可以利用任何可实现本文详述的教示的装置、系统和/或方法。
应注意,在示范性实施例中,装置620可以驻留或以其它方式位于上文详述的智能装置2140上。在示范性实施例中,智能装置的处理器可以通过对装置620的编程等具有功能。在示范性实施例中,智能装置的麦克风对应于数据接收装置702,并且一直到777的输出的处理链可以由智能装置2140执行。因此,在示范性实施例中,有被配置成执行与这些部件相关联的功能中的一个或多个的智能装置。在示范性实施例中,智能装置可以是向患有耳鸣的人提供刺激以掩蔽和/或降低耳鸣发作发生的可能性或以其它方式向该人提供指令建议等的装置。
在至少一些示范性实施例中,本文中的装置和/或系统可以在不同的模式中操作,从而激活和/或去活耳鸣管理功能。首先,应注意,在至少一些示范性实施例中,可以控制或以其它方式选择性地启用和/或禁用DNN的活动。仅作为示例而非限制,在一些实施例中,本文中公开的装置和/或本文中公开的系统及其变型(例如本文详述的听力假体)可作为普通的传统装置操作,例如即使在使用DNN时也作为普通的传统听力假体操作,并且在其它实施例中,DNN可以被选择性地启用或禁用,其中禁用的DNN使得所述装置正常操作,例如普通声音处理器以正常方式操作。相反,可以控制假体以使DNN能够完成其工作。此外,在一些实施例中,可以选择性地控制DNN以不同方式操作。
一些实施例可以利用任何形式的被称为人工智能的属类来执行本文详述的功能和/或方法动作中的一个或多个,前提是本领域能够如别处指出的那样实现此目的。上文的教示通常集中于神经网络。在至少一些示范性实施例中,利用深度神经网络,例如反向传播的深度神经网络。应注意,在一些其它实施例中,利用其它类型的人工智能,仅作为示例而非限制,例如专家系统。尽管如此,在一些实施例中,具体地,神经网络不是专家系统,这与以下事实一致:本文中的任何实施例的任何公开内容构成具体地不具有该实施例的实施例的对应公开内容。
在至少一些示范性实施例中,可以利用任何可用的并且能够实现本文详述的教示的任何学习模型。如上所述,可以与语音分析和其它音频任务一起使用的示范性模型是深度神经网络(DNN)。同样,可以利用其它类型的学习模型,但以下教示将集中于DNN。
现在有许多程序包可用于执行训练模型的过程。简而言之,输入度量被提供给该模型。然后估计结果。将此结果与受试者的实际结果进行比较,并且计算误差值。然后,使用实际受试者的结果及其缩放的估计误差来执行反向过程,以通过模型反向传播并调整神经元之间的权重,从而(有希望地)提高其准确性。然后,将新受试者的数据应用于更新的模型,从而提供(有希望)改进的估计。这是简单的,因为除了可以改变的神经元之间的权重之外,还有许多参数,但通常根据示范性实施例示出了用于微调模型的典型误差估计和权重改变方法。
现在描述用于训练DNN或任何其他机器学习算法或系统的系统以及与其相关联的动作。所述系统将至少部分地根据与接受者的交互来描述,尽管该术语用作系统所适用的任何相关受试者的代理(例如,用于训练DNN的测试受试者,所述受试者用于验证训练过的DNN)。在示范性实施例中,如图8中所见,系统1206是接受者控制的系统,而在其它实施例中,其是远程控制的系统。在示范性实施例中,系统1206可以对应于远程装置和/或系统,如上详述,所述远程装置和/或系统可以是便携式手持装置(例如,智能装置,例如智能电话),并且/或者可以是个人计算机等。在示范性实施例中,所述系统处于听觉专家等的控制下,并且受试者访问听觉专家中心。
在示范性实施例中,根据本文详述的方法动作,所述系统可以是具有额外功能的系统。在图9所示的实施例中,本文公开的任何一个或多个装置可以连接到系统1206以在装置与系统1206之间建立数据通信链路1208,所述装置是例如听力假体或例如耳鸣减轻装置(其中在下文中,短语听力假体100是能够实现本文详述的教示的任何装置的代理,例如具有麦克风的智能电话、专用麦克风、电话等,因此,对听力假体的公开对应于对本文出于语言经济原因公开的另一装置的公开)。此后,系统1206通过数据通信链路1208与听力假体100双向联接。在至少一些实施例中,可以利用将植入物和系统通信地联接的将实现本文详述的教示的任何通信链路。
系统1206可以包括系统控制器1212以及用户接口1214。控制器1212可以是能够执行指令的任何类型的装置,例如通用或专用计算机、手持式计算机(例如,个人数字助理(PDA))、数字电子电路、集成电路、特别设计的ASIC(专用集成电路)、固件、软件和/或其组合。如下文将详述的,在示范性实施例中,控制器1212是处理器。控制器1212还可以包括用于与听力假体100(再次,其是能够实现本文中的方法的任何装置的代理—具有麦克风和/或具有允许捕获用于本文中的方法的输入数据的输入套件的任何装置)建立数据通信链路1208的接口。在控制器1212包括计算机的实施例中,此接口可以例如在计算机内部或外部。例如,在示范性实施例中,控制器1206和耳蜗植入物均可以包括USB、FireWire、蓝牙、Wi-Fi或可以通过其建立数据通信链路1208的其它通信接口。控制器1212还可以包括用于存储信息的存储装置。此存储装置可以是例如易失性或非易失性存储装置,例如随机存取存储器、固态存储装置、磁存储装置、全息存储装置等。
在示范性实施例中,将输入1000提供到系统1206中。DNN信号分析装置1020分析输入1000,并将输出1040提供至模型区段1050,该模型区段建立将用于训练过的装置的模型。因此,输出1060是训练过的神经网络,其接着被上传到假体或用于实施训练过的神经网络的其它部件上。
在此,神经网络可以被“馈送”对应于系统的输入和系统的输出(链接到输入)的统计上显著量的数据,并且被训练,使得系统可以仅与输入一起使用以(在系统被训练之后)开发输出。用于完成此后一任务的这种神经网络是“训练过的神经网络”。尽管如此,在替代实施例中,可以利用训练过的神经网络来提供(或从其提取)可以与可训练的神经网络分开利用的算法或系统。在一个示范性实施例中,机器学习算法或机器学习系统从未被训练开始,然后机器学习算法或系统被训练,并且“毕业”或成熟成可用的产物—训练过的机器学习系统的产物。关于另一示范性实施例,来自训练过的机器学习的产物是训练过的机器学习(或其某种变体或其前辈)的“后代”,其可以被视为突变后代或其克隆。也就是说,关于此第二条路径,在至少一些示范性实施例中,使得机器学习系统能够学习的机器学习系统的特征可以不在实践第一条路径时使用,并且因此不在第一版本中存在。相反,仅使用学习的所得产物。
在示范性实施例中,来自机器学习和/或机器学习的产物利用非启发式处理来开发训练过的系统中使用的数据。就此而言,所述系统获取声音数据或一般地获取与声音有关的数据,并从其提取基本信号,且使用此基本信号开发模型。仅作为示例而非限制,所述系统利用超出一阶线性算法的算法,并且“查看”多于单个提取的特征。相反,该算法“查看”多个特征。此外,该算法利用更高阶非线性统计模型,其自身学习输入中的哪些特征对研究是重要的。如上所述,在示范性实施例中,使用DNN来实现此目的。实际上,在示范性实施例中,作为实施本文详述的教示的基础,存在以下基本假设:使得能够生成模型的声音和系统的其它输入的特征可能过于复杂而无法指定,并且以一种不知道算法究竟正基于什么进行确定/算法查看什么以开发模型的方式使用DNN。
在至少一些示范性实施例中,DNN是用于进行预测的所得产物。在训练阶段,使用了许多训练操作算法,一旦训练了DNN,就移除这些训练操作算法。
为了清楚起见,在至少一些示范性实施例中,训练过的算法或系统使得不能利用来自其的所得产物分析训练过的算法或系统以识别哪些信号特征或哪些输入特征被用来产生训练过的神经网络的输出。就此而言,在系统的开发、算法或系统的训练中,允许系统基于提供到其的统计上显著的数据而自行找到最重要的内容。在一些实施例中,绝不会知道在系统训练完成时系统将什么识别为重要的。允许系统自行工作以训练自身,并且以其他方式学习控制假体。
简而言之,应当指出的是,本文使用的神经网络或其它机器学习系统中的至少一些并不利用相关性,或在一些实施例中,不利用简单的相关性,而是开发关系。就此而言,学习模型基于利用底层关系,所述底层关系在更大的事物方案中可能不是显而易见的或甚至不可识别。在示范性实施例中,使用MatLAB、Buildo等来开发神经网络。在本文详述的至少一些示范性实施例中,所得训练系统是不专注于特定语音特征,而是基于在学习过程期间提供到系统的底层统计上显著的样本中存在的总体关系的训练系统。所述系统自身算出所述关系,并且没有基于与该系统算出的关系相关联的特征的已知相关性。
最终结果是至少一些周围环境和/或生理特征不知道的产物。也就是说,训练过的神经网络的产物和/或来自训练过的神经网络的产物使得无法识别所述产物利用什么周围环境和/或生理特征来开发生产(系统的输出)。所得布置是所利用的声音的未知数目的特征的复杂布置。在利用代码的实施例中,该代码以神经网络的语言编写,并且将由本领域的普通技术人员理解为这样的代码,与利用特定和已知特征的代码区分开来。也就是说,在示范性实施例中,代码看起来像神经网络。本文详述的产物也是这种情况。所述产物看起来像神经网络,并且技术人员将认识到这一点并且能够将它与具有其它起源的东西区分开来。
与普通神经网络一致,存在隐藏层,并且在预测受试者的听力障碍的过程中利用隐藏层的特征。
本文的各种装置是其子部件,例如本文中公开的处理单元和/或芯片和/或电子封装/装置可以利用各种常见的大量所有分析技术或现在已知或以后开发的其它技术来识别输入中的各种标记,并且可以实时地(例如,当听力假体接收音频输入时连续地或周期性地)这样做。例如,处理单元可以应用各种众所周知的可训练分类器技术,例如神经网络、高斯混合模型、隐马尔可夫模型和树分类器。可以训练这些技术以识别特定特征。例如,树分类器可以用于确定音频输入中语音的存在。此外,可以训练这些技术中的各种技术以识别区段或单词之间的安静空间,并且识别男声与女声之间的差异。此外,可以基于可用计算能力的范围在复杂性阶数上缩放这些技术。
分类器的实施可以利用若干处理阶段来执行。例如,在两阶段分类器中,第一阶段用于从表示所接收的输入的原始信号提取信息,所接收的输入可以是由一个或多个麦克风提供的音频。该信息可以是从原始音频信号本身到音频信号的特定特征(“特征提取”)的任何内容,例如间距、调制深度等。然后,第二阶段使用该信息来识别当前相关类别的一个或多个概率估计值。
为了使这种技术的第二阶段起作用,在训练第二阶段中存在实用价值。例如,训练涉及从待分类的系统收集一组预先记录的示例性输出(“训练数据”),其表示工程师或其他人同意的是来自待分类的可能类别的闭集的最高概率分类,例如通过假体麦克风记录的音乐或语音的音频。为了训练第二阶段,此训练数据接着通过第一阶段特征提取方法处理,并且这些第一阶段特征被记录并且匹配到议定类别。通过这一设计过程,最终将在所有特征值与所收集的议定类别之间显现出一种模式。然后,可以应用众所周知的算法来帮助对这些数据进行分类,并且决定如何最好地使用可用的特征提取和训练数据来实施第二阶段分类器。例如,在树分类器中,可以使用决策树来实施第二阶段的高效方法。
作为又一示例,处理单元可以应用各种众所周知的语音识别技术来检测音频输入中的语音的范围。这些技术可能需要大量的计算能力,并且可能适合或不适合在没有例如外部处理单元的协助的情况下由假体处理单元进行实时分析。然而,信令处理技术和语音识别算法的持续发展可以使实际语音识别(包括扬声器识别)更适合于由听力假体的处理单元来实施。
此外,为了促进实时执行这种分析,处理单元可以限制其分析以将关键参数识别为更复杂特征的代理,或者可以一般地估计各种特征而不是精确地确定它们。
数据记录/数据捕获可以使用2020年1月30日公开的PCT申请公开号WO 2020/021487的任何一个或多个教示来执行。
一般来说,该申请的教示频繁涉及记录声音场景和听觉环境。可以相对于记录周围听觉环境与本文的教示一起使用此类教示。还应注意,可以修改其教示以记录和/或捕获指示周围环境的其它类型的特征的数据,以及记录/捕获生理特征的数据。就此而言,输入系统将被修改为可以捕获或以其它方式获取与其它类型的环境和生理特征相关联的数据的输入装置(例如,不同的传感器,例如本文详述的那些及其变型),然后,通过输入系统获取的数据以与‘487公开案的教示一致的方式记录或以其它方式传输,但如本领域的普通技术人员将理解的那样,是以修改的形式进行的。
现在参考图10,提供了在至少一些实施例中实现本文的方法和/或装置中的至少一些的教示,其中有声音捕获部件并且/或者其中分析所捕获的声音。就此而言,与图10相关联的以下教示中的任何一个或多个可以与所捕获的声音一起使用,其中所捕获的声音是环境声音,所述环境声音可以是感兴趣人的语音,或与他或她说话的人的语音,或感兴趣人希望听到的语音等。
明确指出的是,当与本文详述的非语音数据记录和/或本文详述的场景分类记录组合时,至少一些示范性实施例包括以下教示。还明确指出的是,至少一些示范性实施例包括以下没有前述数据记录的教示。
图10是能够实现本文详述的教示的示范性假体12或其它装置(这可以是为本文的耳鸣减轻策略专门设计的随身携带装置,因此这不一定是听力假体)的简化框图,所述示范性假体或其它装置可根据本公开操作,可以对应于本文详述的任何假体和/或其变型(只要以修改方式)。如图所示,示例性听力假体12通常包括用于接收表示假体接受者的音频环境的音频输入的一个或多个麦克风(麦克风输入)14(在替代实施例中,麦克风14可以转而是其它类型的传感器,例如体温传感器或脉搏率传感器或本文详述的任何其它传感器或其变型,或能够实现各种生理和/或环境条件的监测/数据捕获的任何其它传感器—元件14可转而为全球定位系统接收器,或就此而言除元件14之外还有其他),任选地,具有用于将所接收的音频输入的表示转换成刺激信号的转换模块18的处理单元16,以及用于根据刺激信号并且因此根据所接收的音频输入刺激接受者的生理系统的刺激装置(一个或多个刺激输出)20。
应注意,在示范性实施例中,除非另外指出,否则图10的设备可以用于收集和/或捕获本文公开为被收集和/或捕获或以其它方式记录的任何数据。尽管如此,应注意,与图10的装置相关联的任何功能可以被转移到上文详述的装置2140,和/或远程装置,例如经由元件259与假体100和/或装置2140进行信号通信的远程装置等,前提是本领域能够实现此目的,另外这些可以是实用的。因此,本文对图10的装置的功能的任何公开可以对应于对本文公开的任何其它装置或可以实施本文详述的教示的任何其它装置的功能的公开。
就此而言,在一些实施例中,植入物与装置2140之间(反之亦然)以及经由元件259在这两者中的任一者与远程装置之间存在功能迁移,这可以根据WO2016/207860的任何教示实施,前提是此类教示能够实现此类目的。
这种示例性听力假体可以表示各种类型的听力假体中的任一种,包括但不限于上文讨论的那些,并且所示的部件可以相应地采取各种形式。举例来说,如果听力假体是助听器,则转换模块18可以包括放大所接收的音频输入的放大器,并且刺激装置20可以包括被布置成将放大的音频递送到接受者的耳朵中的扬声器。作为另一示例,如果听力假体是基于振动的听力装置,则转换模块18可以用以生成对应于所接收的音频输入的电刺激信号,并且刺激装置20可以包括根据这些电刺激信号向接受者传递振动的换能器。作为又一示例,如果听力假体是耳蜗植入物,则转换模块18可以类似地生成对应于所接收的音频输入的电信号,并且刺激装置20可以包括向接受者的耳蜗递送刺激信号的电极阵列。其它示例也是可能的。
在实践中,处理单元16可以被布置成对由处理单元、麦克风或假体的一个或多个其它部件中的模数转换电路建立的所接收的音频输入的数字化表示进行操作。这样一来,处理单元16可以包括用于保存表示所接收的音频的数字位流以及用于保存相关联数据的数据存储装置(例如,磁性、光学或闪存存储装置)22。此外,处理单元16可以包括数字信号处理器,并且转换模块18可以是数字信号处理器的功能,被布置成分析数字化音频并生成对应的刺激信号或关联输出。替代地或另外,处理单元可以包括一个或多个通用处理器(例如,微处理器),并且转换模块18可以包括存储在数据存储装置22中并且可由处理器执行以分析数字化音频并且生成对应的刺激信号或关联输出的程序指令集。
如进一步示出的,示例性听力假体12包括用户界面系统24或与该用户界面系统联接,通过所述用户界面系统,接受者或其他人(例如,临床医生)可以控制假体的操作并且查看假体的各种设置和其它输出。在实践中,例如,用户界面系统24可以包括假体内部或以其它方式与假体集成的一个或多个部件。此外,用户界面系统24可以包括假体外部的一个或多个部件,并且假体可以包括通信接口,所述通信接口被布置成通过现在已知或以后开发的任何类型的无线和/或有线链路与这些部件通信。
在代表性布置中,用户界面系统22可以包括使得用户能够与听力假体交互的一个或多个用户界面部件。如通过示例所示,用户界面部件可以包括显示屏26和/或一个或多个输入机构28,例如触敏显示表面、键盘、各个按钮等。这些用户界面部件可以与假体的处理单元16通信,其方式与常规用户界面部件与个人计算机的主机处理器交互的方式大致相同。替代地,用户界面系统24可以包括一个或多个独立的计算装置,例如个人计算机、移动电话、平板电脑、手持遥控器等,并且还可以包括与假体交互且可以被布置成执行各种其它功能的其自身的处理单元30。
在实践中,用户界面系统24可以使得接受者能够控制听力假体的刺激模式,例如打开和关闭刺激功能。例如,当接受者不希望假体根据所接收的音频输入刺激接受者的生理系统时,接受者可以接合按钮或用户界面系统24的其它输入机构以使处理单元16将假体设置为刺激关闭模式。当接受者希望假体根据所接收的音频输入刺激接受者的生理系统时,接受者可以接合类似机构以使处理单元16将假体设置为刺激打开模式。此外,用户界面系统24可以使得接受者或其他人能够对假体的处理单元16进行编程,以便安排在刺激打开模式与刺激关闭模式之间自动切换假体。
根据本公开,如上所述,示例性听力假体12将另外用来记录并输出关于所接收的音频输入的数据。然后,听力假体可以不时输出记录的数据以用于外部分析,并且/或者可以使用在至少一些实施例中是假体的一部分的装置进行分析。
形成此分析的基础的音频输入是与听力假体被布置成接收并用作在假体处于刺激打开模式时刺激接受者的生理系统的基础的音频输入相同的音频输入。因此,当假体接收到音频输入时,假体不仅可以将该音频输入转换成刺激信号以刺激接受者的生理系统(如果听力假体处于刺激打开模式),而且还可以记录关于相同的所接收的音频输出的数据,例如关于音频输入中的与刺激模式相关联的语言特征的数据。此外,即使在听力假体正接收音频输入但并未刺激接受者的生理系统(例如,因为刺激被关闭,或者因为音频输入振幅或频率使得假体被设置成不提供刺激)时,假体仍可以记录关于所接收的音频输入的数据,例如与刺激模式相关联的语言特征。然后,任何或所有这些数据都可以具有临床相关性,并且可用于为接受者开发调解。
还应注意,本文详述的机器学习和/或数据收集和/或数据捕获特征和/或数据分析特征可以通过2020年5月17日公开的PCT专利申请公开号2018/087674的任何一个或多个教示执行,前提是本领域能够实现此类教示。
应注意,本文中详述的任何方法也对应于被配置成执行本文中详述的与其相关联的方法动作中的一个或多个或全部的装置和/或系统的公开内容。在示范性实施例中,此装置和/或系统被配置成以自动方式执行方法动作中的一个或多个或全部。尽管如此,在替代实施例中,装置和/或系统被配置成在被人类提示之后执行方法动作中的一个或多个或全部。还应注意,本文中详述的装置和/或系统的任何公开内容对应于制造和/或使用所述装置和/或系统的方法,包括根据功能来使用该装置的方法。
除非另外指出或除非本领域不能够实现此类情况,否则在替代实施例中,由假体100或图2的假体或图2C的装置或本文公开的任何其他装置执行的本文公开的任何动作可以由装置2140和/或本文详述的任何系统的另一部件执行。因此,在替代实施例中,假体100或图2的假体或图2C的装置等的任何功能可以存在于装置2140和/或任何系统的另一部件中。因此,假体100或本文详述的其他假体和/或本文公开的其他装置的功能的任何公开内容对应于装置2140和/或本文中详述的任何系统的另一部件的结构,所述结构被配置成执行该功能或另外具有功能,或另外执行该方法动作。
除非另外指出或除非本领域不能够实现此类情况,否则在替代实施例中,由装置2140执行的本文公开的任何动作可以由假体100或任何其他装置(例如,图2的假体和/或要说明的图的假体)和/或本文公开的任何系统的另一部件执行。因此,在替代实施例中,装置2140的任何功能可以存在于假体100和/或本文公开的任何其他装置(例如,图2和/或图2C的装置)和/或本文公开的任何系统的另一部件中。因此,装置2140的功能的任何公开内容对应于假体100或本文公开的任何其他装置和/或本文公开的任何系统的另一部件的结构,所述结构被配置成执行该功能或另外具有功能,或另外执行该方法动作。
除非另外指出或除非本领域不能够实现此类情况,否则在替代实施例中,由本文公开的任何系统的部件执行的本文公开的任何动作可以由装置2140和/或假体100或图2的假体和/或要说明的图的装置执行。因此,本文详述的系统的部件的任何功能可以存在于装置2140和/或假体100和/或本文公开的其他装置,例如作为替代实施例的图2的装置和/或图2C的装置中。因此,本文中的部件的功能的任何公开内容对应于装置2140和/或假体100和/或图2的装置和/或图2C的装置的结构,所述结构被配置成执行该功能或另外具有功能,或另外执行该方法动作。还应注意,本文中详述的装置和/或系统的任何公开内容也对应于另外提供该装置和/或系统的公开内容。
还应注意,本文中对其它提供装置的任何制造方法的任何公开内容对应于由其产生的装置和/或系统。还应注意,本文中对任何装置和/或系统的任何公开内容对应于生产或另外提供或另外制造此类装置和/或系统的方法的公开内容。
除非明确指示和/或除非本领域不能够实现此情况,否则本文中公开的任何实施方案或任何特征可与本文中公开的任何一个或多个或其它实施方案和/或其它特征组合。除非明确指示对此进行组合和/或除非本领域不能够实现此排除,否则可明确排除本文中公开的任何实施方案或任何特征与本文中公开的任何一个或多个其它实施方案和/或其它特征一起使用。
本文中对方法动作的任何公开内容对应于在其上编程有代码以执行那些动作中的一个或多个的计算机可读介质以及执行那些动作中的一个或多个的产物的公开内容。
虽然上文已描述了本发明的各种实施例,但应理解,所述实施例仅作为示例而非限制来呈现。对于相关领域的技术人员来说将显而易见,在不脱离本发明的精神和范围的情况下,可在其中作出形式和细节的各种变化。
Claims (43)
1.一种方法,包括:
自动获取指示经历反复耳鸣的人的过去和/或当前生理特征或所述人的过去和/或当前周围环境条件中的至少一者的数据;
分析所获取的数据,以确定耳鸣事件正在发生或耳鸣事件具有在近期内发生的统计可能性中的至少一者;以及
基于分析动作发起耳鸣减轻方法。
2.根据权利要求1所述的方法,其中:
自动获取的数据是指示所述人的语音的数据。
3.根据权利要求1或2所述的方法,其中:
自动执行分析动作和发起动作。
4.根据权利要求1、2或3所述的方法,其中:
所述分析动作使得确定耳鸣事件将在近期内发生的统计可能性;
所述耳鸣事件尚未发生;并且
所述人未认识到他或她在短期内正在经历耳鸣事件,并且这种事件在短期内仍然发生。
5.根据权利要求1、2或3所述的方法,其中:
所述分析动作使得确定耳鸣事件将在近期内发生的统计可能性;
所述耳鸣事件尚未发生;并且
所述人未认识到减轻措施已开始;并且
所述人未认识到他或她在短期内正在经历耳鸣事件。
6.根据权利要求1、2、3、4或5所述的方法,其中:
自动获取的数据是指示所述周围环境条件的数据,并且不包括生理特征。
7.根据权利要求1、2、3、4、5或6所述的方法,其中:
自动获取的数据是指示所述周围环境条件和生理特征的数据。
8.根据权利要求1、2、3、4或5所述的方法,其中:
所述分析动作是在没有来自所述人的肯定输入的情况下执行的。
9.根据权利要求1、2、3、4、5、6、7或8所述的方法,其中:
使用来自机器学习的结果执行所述分析动作。
10.根据权利要求1、2、3、4、5、6、7、8或9所述的方法,其中:
自动获取的数据是指示接受者的认知负荷和/或压力水平的数据。
11.一种设备,包括:
随身携带的便携式装置,其包括输入子系统和输出子系统,其中
所述装置包括机器学习的产物和/或由机器学习产生的产物,所述装置使用所述产物来确定何时和/或是否发起耳鸣管理动作。
12.根据权利要求11所述的设备,其中:
所述装置还使用机器学习的产物和/或由机器学习产生的产物来基于所述输入子系统的输入确定应当执行何种类型的耳鸣管理动作,其中,所述管理动作修复耳鸣的影响和/或防止发生明显的耳鸣情境。
13.根据权利要求11或权利要求12所述的设备,其中:
所述输入子系统被配置成自动获取至少指示正以耳鸣管理为目的使用所述装置的人的过去和/或当前生理特征的数据;并且
所述子系统的输入是所获取的数据。
14.根据权利要求11或12所述的设备,其中:
所述输入子系统被配置成自动获取至少指示正以耳鸣管理为目的使用所述装置的人的过去和/或当前周围环境条件的数据;并且
所述子系统的输入是所获取的数据。
15.根据权利要求11、12、13或14所述的设备,其中:
所述输入子系统被配置成自动获取指示周围环境中的语音的数据;
所述装置被配置成分析所述输入,并且确定所述语音可能是所述装置的用户试图理解的语音;并且
所述装置基于所述分析自动调整耳鸣疗法。
16.根据权利要求11、12、13、14或15所述的设备,其中:
所述装置被配置成基于所述输入子系统的输入而使用所述产物自动发起耳鸣掩蔽。
17.根据权利要求11、12、13、14、15或16所述的设备,其中:
所述装置被配置成记录指示正以耳鸣管理为目的使用所述装置的人的过去和/或当前周围环境条件或正以耳鸣管理为目的使用所述装置的人的过去和/或当前周围环境条件中的至少一者的数据;并且
所述装置被配置成将所记录的数据与耳鸣相关事件相关联。
18.一种方法,包括:
记录第一数据,所述第一数据对应于经历反复耳鸣的人的过去和/或当前生理特征或所述人的过去和/或当前周围环境条件中的至少一者;
记录对应于耳鸣相关事件和/或非事件的第二数据;
利用机器学习系统将所记录的第一数据与所记录的第二数据相关联;以及
利用所述机器学习系统制定耳鸣管理方案。
19.根据权利要求18所述的方法,其中:
所述耳鸣管理方案包括掩蔽所述耳鸣的一个或多个声音,所述一个或多个声音是通过制定动作识别的。
20.根据权利要求18或19所述的方法,其中:
所述耳鸣管理方案包括触发一个或多个动作和/或建议,触发动作的依据是通过制定动作识别的。
21.根据权利要求18、19或20所述的方法,其中:
所述第一数据包括指示具有耳鸣的人的语音和/或对具有耳鸣的人说话的人的语音的数据。
22.根据权利要求18、19、20或21所述的方法,其中:
所述第一数据包括指示听力假体装置设置的数据。
23.根据权利要求18、19、20、21或22所述的方法,其中:
所述耳鸣管理方案是训练过的系统的一部分;并且
所述训练过的系统是用于管理耳鸣的便携式装置的一部分。
24.根据权利要求18、19、20、21、22或23所述的方法,还包括:
在患有耳鸣的人体内实施所述耳鸣管理方案,其中,实施所述耳鸣管理方案的动作防止所述人在实施所述耳鸣管理方案的总共720个小时内,对于总发作次数的至少30%认识到他或她正在发作耳鸣,所述720个小时在6个月的时间段内。
25.根据权利要求18、19、20、21、22、23或24所述的方法,其中:
所述方法在没有医疗保健专业人员参与的情况下执行。
26.根据权利要求18、19、20、21、22、23、24或25所述的方法,其中:
基于相关联的结果自动构建所述人的耳鸣的模型。
27.一种系统,包括:
声音捕获设备,所述声音捕获设备被配置成捕获环境声音;以及
电子封装,所述电子封装被配置成至少基于从所述声音捕获设备输出的信号接收数据,并且分析所述数据以基于所述数据确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性,其中
所述系统被配置成在所述确定后自动发起预先降低所述未来耳鸣事件的可能性的输出。
28.根据权利要求27所述的系统,其中:
所述系统被配置成在没有来自所述人的肯定输入的情况下自动发起所述输出。
29.根据权利要求27或28所述的系统,其中:
所述电子封装接收的数据还包括基于与所述人有关的生理数据的数据;并且
所述电子封装被配置成结合基于所输出的信号的数据评估基于生理数据的数据,并且基于其确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性。
30.根据权利要求27、28或29所述的系统,其中:
所述系统包括听力假体,所述听力假体包括所述声音捕获装置。
31.根据权利要求27、28、29或30所述的系统,其中:
所述电子封装包括应用动态和个性化概率度量以确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性的逻辑。
32.根据权利要求27、28、29、30或31所述的系统,其中:
所述系统被配置成自动记录指示所述人的过去和/或当前周围环境条件或所述人的过去和/或当前生理条件中的至少一者的数据;
所述系统被配置成自动将所记录的数据与所述人的耳鸣相关事件相关联,并且自动制定耳鸣管理方案;并且
所述电子封装被配置成执行所述耳鸣管理方案以分析所述数据,以基于所述数据确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性。
33.根据权利要求27、28、29、30、31或32所述的系统,其中:
所述周围环境条件包括语音的存在。
34.一种系统,包括:
耳鸣发作预测子系统;以及
耳鸣管理输出子系统。
35.根据权利要求34所述的系统,其中:
所述系统还包括耳鸣发作预测度量开发子系统。
36.根据权利要求35所述的系统,其中:
所述系统包括训练过的神经网络,其中,所述训练过的神经网络是所述耳鸣发作预测子系统的一部分;并且
所述耳鸣发作预测度量开发子系统有助于训练所述训练过的神经网络。
37.根据权利要求34、35或36所述的系统,其中:
所述耳鸣发作预测子系统是所述系统的专家子系统,所述专家子系统包括机器学习算法的代码和/或来自所述机器学习算法的代码以实时分析与所述系统的用户有关的数据,并且其中,所述机器学习算法是基于统计上显著的耳鸣患者群体训练的训练过的系统。
38.根据权利要求34、35、36或37所述的系统,其中:
所述耳鸣发作预测子系统被配置成结合与语言环境度量相关的非语言环境度量来自动分析所述语言环境度量,并且基于所述分析自动确定耳鸣事件是否即将发生,所述语言环境度量和所述非语言环境度量全部输入到所述系统中。
39.根据权利要求38所述的系统,其中:
所述系统被配置成识别所述系统的用户的语音;并且
所述语言环境度量是所述用户的语音。
40.根据权利要求34、35、36、37、38或39所述的系统,其中:
所述耳鸣管理输出子系统转移所述系统的用户的注意力,从而减轻耳鸣的影响。
41.一种耳鸣管理系统,包括:
麦克风,所述麦克风被配置成捕获环境声音;以及
处理器,其中
所述处理器经由电路从所述麦克风接收输入,
所述处理器经编程以分析所述输入,并且基于所述输入确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性,并且
所述系统被配置成在所述确定后自动发起预先降低所述未来耳鸣事件的可能性的输出。
42.一种方法,包括以下操作中的至少一项:
通过以下方式发起耳鸣减轻方法:
自动获取指示经历反复耳鸣的人的过去和/或当前生理特征或所述人的过去和/或当前周围环境条件中的至少一者的数据;
分析所获取的数据,以确定耳鸣事件正在发生或耳鸣事件具有在近期内发生的统计可能性中的至少一者;以及
基于分析动作发起耳鸣减轻方法,其中,以下至少一项成立:
自动获取的数据是指示所述人的语音的数据,
自动执行分析动作和发起动作,
所述分析动作使得确定耳鸣事件将在近期内发生的统计可能性,
自动获取的数据是指示所述周围环境条件的数据,并且不包括生理特征,
自动获取的数据是指示所述周围环境条件和生理特征的数据,
所述分析动作是在没有来自所述人的肯定输入的情况下执行的,
使用来自机器学习的结果执行所述分析动作,或者
自动获取的数据是指示接受者的认知负荷和/或压力水平的数据;
通过以下方式制定耳鸣管理方案:
记录第一数据,所述第一数据对应于经历反复耳鸣的人的过去和/或当前生理特征或所述人的过去和/或当前周围环境条件中的至少一者;
记录对应于耳鸣相关事件和/或非事件的第二数据;
利用机器学习系统将所记录的第一数据与所记录的第二数据相关联;以及
利用所述机器学习系统制定所述耳鸣管理方案,其中,以下至少一项成立:
所述耳鸣管理方案包括掩蔽所述耳鸣的一个或多个声音,所述一个或多个声音是通过制定动作识别的;
所述耳鸣管理方案包括触发一个或多个动作和/或建议,触发动作的依据是通过所述制定动作识别的;
所述第一数据包括指示具有耳鸣的人的语音和/或对具有耳鸣的人说话的人的语音的数据;
所述第一数据包括指示听力假体装置设置的数据;
所述耳鸣管理方案是训练过的系统的一部分;
所述训练过的系统是用于管理耳鸣的便携式装置的一部分;
在患有耳鸣的人体内实施所述耳鸣管理方案,其中,实施所述耳鸣管理方案的动作防止所述人在实施所述耳鸣管理方案的总共720个小时内,对于总发作次数的至少20、25、30、35、40、45、50、55、60、65、70或75%认识到他或她正在发作耳鸣,所述720个小时在6个月的时间段内;
所述方法在没有医疗保健专业人员参与的情况下执行;或
基于相关联的结果自动构建所述人的耳鸣的模型,其中
以下至少一项成立:
在诸如智能电话的智能装置上执行上述方法动作中的至少一个或多个;
在听力假体中执行上述方法动作中的至少一个或多个,所述听力假体是例如耳蜗植入物、骨传导装置、常规助听器或中耳植入物;
利用与手持智能装置无线通信的听力假体执行上述方法动作中的至少一个或多个;
利用机器学习和/或神经网络,例如训练过的神经网络的结果执行上述方法动作中的至少一个或多个;
对患有耳鸣的人执行上述方法动作中的至少一个或多个;
所述耳鸣减轻包括控制人的周围环境的某些方面,例如控制灯、电视、收音机、电话等,
利用物联网执行上述方法动作中的至少一个或多个;
管理所述耳鸣的方法包括转移患有耳鸣的人的注意力;
所述方法使得防止患有耳鸣的人认识到他或她正在经历耳鸣发作;
所述方法作为自适应和/或反应性耳鸣减轻方案的一部分执行;
所述方法包括随时间推移跟踪人的耳鸣体验并且将这种耳鸣体验与使用此方法记录的各种数据相关联,以制定耳鸣管理方案;
在耳鸣发作开始之前执行耳鸣减轻工作;
执行所述方法,使得对于统计上显著的耳鸣患者群体,在给定的W个月的时间段内,在实施所述方法/使用所述装置实施所述方法的Z个小时内,给定人未认识到发生的耳鸣发作的至少和/或等于20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95或100%、或其间以1%为增量的任何值或值的范围,其中,Z能够是200、225、250、275、300、325、350、375、400、425、450、475、500、525、550、575、600、625、650、675、700、720、725、750、775、800、850、900、950、1000、1050或1100或更大、或以1为增量的任何值或值的范围,并且W能够是1、1.5、2、2.5、3、3.5、4、4.5、5、5.5、6、6.5、7、7.5、8、8.5、9、9.5或10、或其间以0.25为增量的任何值或值的范围,并且/或者在前述时间段内所述给定人未认识到至少10、15、20、25、30、35、40、45、50、60、70、80、90或100或更大、或其间以1为增量的任何值或值的范围的发作;
监测EEG数据、EKG数据、体温、脉搏、脑波/脑活动数据、睡眠/觉醒状况和/或嗜睡警觉性、眼睛运动/眼睛运动速率数据、血压以确定耳鸣事件的发作和/或耳鸣事件正在发生;
利用心理声学数据确定耳鸣事件的发作和/或耳鸣事件正在发生;
确定动作在没有来自是所述方法的主体的人的肯定输入的情况下执行;并且
所述确定动作至少基于过去和/或当前生理特征,并且能够返回到小于或等于或大于1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、35、40、45、50、55、60、85、90、120、150、180秒,3.5、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、35、40、45、50、55、60、85、90、120、150或180分钟或更大的值、或其间以1秒为增量的任何值或值的范围。
43.一种设备和/或系统,包括以下各项中的至少一者:
随身携带的便携式装置,其包括输入子系统和输出子系统,其中,所述装置包括机器学习的产物和/或由机器学习产生的产物,所述装置使用所述产物来确定何时和/或是否发起耳鸣管理动作;
声音捕获设备,所述声音捕获设备被配置成捕获环境声音;
电子封装,所述电子封装被配置成至少基于从所述声音捕获设备输出的信号接收数据,并且分析所述数据以基于所述数据确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性,其中,所述系统被配置成在所述确定后自动发起预先降低所述未来耳鸣事件的可能性的输出;
麦克风,所述麦克风被配置成捕捉环境声音;或者;
处理器,或者
耳鸣发作预测子系统和耳鸣管理输出子系统,其中以下至少一项成立:
所述装置还使用机器学习的产物和/或由机器学习产生的产物来基于所述输入子系统的输入确定应当执行何种类型的耳鸣管理动作,其中,所述管理动作修复耳鸣的影响和/或防止发生明显耳鸣情境;
所述输入子系统被配置成自动获取至少指示正以耳鸣管理为目的使用所述装置的人的过去和/或当前生理特征的数据;
所述子系统的输入是所获取的数据;
所述输入子系统被配置成自动获取至少指示正以耳鸣管理为目的使用所述装置的人的过去和/或当前周围环境条件的数据;
所述子系统的输入是所获取的数据;
所述输入子系统被配置成自动获取指示周围环境中的语音的数据;
所述装置被配置成分析所述输入,并且确定所述语音可能是所述装置的用户试图理解的语音;
所述装置基于所述分析自动调整耳鸣疗法;
所述装置被配置成基于所述输入子系统的输入而使用所述产物自动发起耳鸣掩蔽;
所述装置被配置成记录指示正以耳鸣管理为目的使用所述装置的人的过去和/或当前周围环境条件或正以耳鸣管理为目的使用所述装置的人的过去和/或当前周围环境条件中的至少一者的数据;
所述装置被配置成将所记录的数据与耳鸣相关事件相关联;
所述处理器经由电路从所述麦克风接收输入,
所述处理器经编程以分析所述输入,并且基于所述输入确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性;
所述系统被配置成在所述确定后自动发起预先降低所述未来耳鸣事件的可能性的输出;
所述系统还包括耳鸣发作预测度量开发子系统;
所述系统包括训练过的神经网络,其中,所述训练过的神经网络是所述耳鸣发作预测子系统的一部分;
所述耳鸣发作预测度量开发子系统有助于训练所述训练过的神经网络;
所述耳鸣发作预测子系统是所述系统的专家子系统,所述专家子系统包括机器学习算法的代码和/或来自机器学习算法的代码以实时分析与所述系统的用户有关的数据,并且其中,所述机器学习算法是基于统计上显著的耳鸣患者群体训练的训练过的系统;所述耳鸣发作预测子系统被配置成结合与语言环境度量相关的非语言环境度量来自动分析所述语言环境度量,并且基于所述分析自动确定耳鸣事件是否即将发生,所述语言环境度量和所述非语言环境度量全部输入到所述系统中;
所述系统被配置成识别所述系统的用户的语音;
所述语言环境度量是所述用户的语音;
所述耳鸣管理输出子系统转移所述系统的用户的注意力,从而减轻耳鸣的影响;
所述系统被配置成在没有来自所述人的肯定输入的情况下自动发起所述输出;
所述电子封装接收的数据还包括基于与所述人有关的生理数据的数据;
所述电子封装被配置成结合基于所输出的信号的数据评估基于生理数据的数据,并且基于其来确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性;
所述系统包括听力假体,所述听力假体包括所述声音捕获装置;
所述电子封装包括应用动态和个性化概率度量以确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性的逻辑;
所述系统被配置成自动记录指示所述人的过去和/或当前周围环境条件或所述人的过去和/或当前生理条件中的至少一者的数据;
所述系统被配置成自动将所记录的数据与所述人的耳鸣相关事件相关联,并且自动制定耳鸣管理方案;
所述电子封装被配置成执行所述耳鸣管理方案以分析所述数据,以基于所述数据确定使用所述系统的人在近期内存在未来耳鸣事件的统计可能性;
所述周围环境条件包括语音的存在;
所述设备和/或系统是机器学习的产物;
所述设备和/或系统包括DNN;
所述设备和/或系统包含在移动计算机,例如手持智能电话中;
所述设备和/或系统被配置成提供耳鸣掩蔽;
所述装置和/或系统与物联网通信;或者
所述装置和/或系统是听力假体,例如耳蜗植入物、常规助听器、骨传导装置或中耳植入物。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063076078P | 2020-09-09 | 2020-09-09 | |
US63/076,078 | 2020-09-09 | ||
PCT/IB2021/058210 WO2022053973A1 (en) | 2020-09-09 | 2021-09-09 | New tinnitus management techniques |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116171181A true CN116171181A (zh) | 2023-05-26 |
Family
ID=80629777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180055236.3A Pending CN116171181A (zh) | 2020-09-09 | 2021-09-09 | 新型耳鸣管理技术 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230329912A1 (zh) |
EP (1) | EP4210646A4 (zh) |
CN (1) | CN116171181A (zh) |
WO (1) | WO2022053973A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023220146A1 (en) * | 2022-05-10 | 2023-11-16 | Mayo Foundation For Medical Education And Research | Devices and methods for treating tinnitus using electrical stimulation |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009002539A2 (en) * | 2007-06-25 | 2008-12-31 | Tinnitus Otosound Products, Llc | A system for customized sound therapy for tinnitus management |
WO2009045449A1 (en) * | 2007-10-01 | 2009-04-09 | Tinnitus Otosound Products, Llc | System and method for combined bioelectric sensing and biosensory feedback based adaptive therapy for medical disorders |
CA2916945A1 (en) * | 2013-06-28 | 2014-12-31 | Otoharmonics Corporation | Systems and methods for tracking and presenting tinnitus therapy data |
US9883300B2 (en) * | 2015-02-23 | 2018-01-30 | Oticon A/S | Method and apparatus for controlling a hearing instrument to relieve tinitus, hyperacusis, and hearing loss |
EP3107315B1 (en) * | 2015-06-09 | 2019-08-21 | Oticon A/s | A hearing device comprising a signal generator for masking tinnitus |
US10701498B2 (en) * | 2016-06-07 | 2020-06-30 | Regents Of The University Of Minnesota | Systems and methods for treating tinnitus and enhancing hearing |
US10959670B2 (en) * | 2017-11-20 | 2021-03-30 | The Board Of Trustees Of The University Of Illinois | Automated, objective method of assessing tinnitus condition |
CN111584065B (zh) * | 2020-04-07 | 2023-09-19 | 上海交通大学医学院附属第九人民医院 | 噪声性听力损失预测及易感人群筛选方法、装置、终端和介质 |
-
2021
- 2021-09-09 WO PCT/IB2021/058210 patent/WO2022053973A1/en unknown
- 2021-09-09 EP EP21866182.5A patent/EP4210646A4/en active Pending
- 2021-09-09 US US18/025,523 patent/US20230329912A1/en active Pending
- 2021-09-09 CN CN202180055236.3A patent/CN116171181A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230329912A1 (en) | 2023-10-19 |
WO2022053973A1 (en) | 2022-03-17 |
EP4210646A1 (en) | 2023-07-19 |
EP4210646A4 (en) | 2024-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110072434B (zh) | 用于辅助听力设备使用的声音声学生物标记的使用 | |
US20210030371A1 (en) | Speech production and the management/prediction of hearing loss | |
CN110062318B (zh) | 助听器系统 | |
CN112602337B (zh) | 被动适配技术 | |
EP3481086B1 (en) | A method for adjusting hearing aid configuration based on pupillary information | |
US20230264020A1 (en) | User interface for prosthesis | |
US20230352165A1 (en) | Dynamic virtual hearing modelling | |
US10003895B2 (en) | Selective environmental classification synchronization | |
WO2019077443A1 (en) | HIERARCHICAL ENVIRONMENTAL CLASSIFICATION IN A HEARING PROSTHESIS | |
EP3930346A1 (en) | A hearing aid comprising an own voice conversation tracker | |
US20230238127A1 (en) | Medical device control with verification bypass | |
US20230329912A1 (en) | New tinnitus management techniques | |
US20220047184A1 (en) | Body noise-based health monitoring | |
CN112470496B (zh) | 使用正常事物的听力性能和康复和/或复原增强 | |
US20230110745A1 (en) | Implantable tinnitus therapy | |
US20220054842A1 (en) | Assessing responses to sensory events and performing treatment actions based thereon | |
US11877123B2 (en) | Audio training | |
WO2023031712A1 (en) | Machine learning for treatment of physiological disorders | |
EP3963904A1 (en) | An ear level auditory system |
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 |