CN117897203A - 用于治疗生理障碍的机器学习 - Google Patents

Abstract

本文呈现了使用机器学习治疗生理障碍，包括检测生理事件以及对可植入医疗装置系统进行调适操作以敏锐地治疗生理事件的技术。

Description

用于治疗生理障碍的机器学习

背景

技术领域

本发明大体上涉及使用机器学习来治疗生理障碍。

背景技术

近几十年来，医疗装置已为用户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，多年来在执行救生和/或生活方式改善功能和/或监测方面一直是成功的。

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用户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一部分或与可植入部件协同操作。

发明内容

在一个方面，提供了一种耳鸣治疗设备。所述耳鸣治疗设备包括：刺激部件，所述刺激部件被配置成将刺激信号递送到至少一个用户；以及机器学习装置，所述机器学习装置检测所述至少一个用户关于外部声音环境的耳鸣事件的发作，其中所述机器学习装置包括：获得状态数据的状态观察单元，所述状态数据包括表示所述至少一个用户的当前生理状态的生理数据和表示所述至少一个用户的外部声音环境的环境数据；获取与耳鸣事件的发作相关联的标签数据的标签数据单元；以及学习单元，所述学习单元通过使用所述状态数据和所述标签数据检测所述至少一个用户的耳鸣事件的发作并生成装置配置数据，其中所述装置配置数据指示用于经由所述刺激部件递送到所述至少一个用户的耳鸣治疗。

在另一方面，提供了一种使用机器学习治疗耳鸣事件的方法。所述方法包括：利用状态观察单元获得指示至少一个用户的当前生理状态的状态数据；利用标签数据单元获得与耳鸣事件的发作相关联的标签数据；以及在机器学习模型中使用所述状态数据和所述标签数据来自动检测所述至少一个用户的耳鸣事件的发作并且生成指示用于递送到所述至少一个用户的耳鸣治疗的装置配置数据，其中所述状态观察单元、所述标签数据单元和所述机器学习模型包括逻辑硬件和非暂时性计算机可读介质中的一者或多者，所述非暂时性计算机可读介质将计算机可执行代码存储在耳鸣治疗系统内。

在另一方面，提供了一种设备。所述设备包括：刺激部件，所述刺激部件被配置成将刺激信号递送到至少一个用户；以及机器学习装置，所述机器学习装置检测所述至少一个用户关于所述至少一个用户的外部环境的生理事件的发作，其中所述机器学习装置包括：获得状态数据的状态观察单元，所述状态数据包括表示所述至少一个用户的当前生理状态的生理数据和表示所述至少一个用户的外部环境的环境数据；标签数据单元，所述标签数据单元获取与生理事件的发作相关联的标签数据；学习单元，所述学习单元通过使用所述状态数据和所述标签数据检测所述至少一个用户的生理事件的发作并生成装置配置数据，其中所述装置配置数据指示用于经由所述刺激部件递送到所述至少一个用户的治疗。

在另一方面，提供了一种或多种非暂时性计算机可读存储介质。所述非暂时性计算机可读存储介质包括指令，所述指令在由处理器执行时使所述处理器：利用状态观察单元获得指示至少一个用户的当前生理状态的状态数据；利用标签数据单元获得与生理事件的发作相关联的标签数据；以及在机器学习模型中使用所述状态数据和所述标签数据来自动检测所述至少一个用户的生理事件的发作并且生成指示用于递送到所述至少一个用户的治疗的装置配置数据。

附图说明

在本文中结合附图描述本发明的实施方案，其中：

图1A是示出了可以利用其实现本文呈现的技术的各方面的耳蜗植入物系统的示意图；

图1B是佩戴图1A的耳蜗植入物系统的声音处理单元的用户的侧视图；

图1C是图1A的耳蜗植入物系统的部件的示意图；

图1D是图1A的耳蜗植入物系统的框图；

图2是根据本文呈现的技术的本文呈现的某些实施方案的机器学习治疗装置的功能框图；

图3A、3B和3C是根据本文呈现的某些实施方案的与用于治疗耳鸣的机器学习治疗装置一起使用的示例用户界面；

图4是示出了根据本文呈现的某些实施方案的机器学习治疗装置在耳鸣治疗系统内的集成的功能框图；

图5是根据本文呈现的实施方案的示例方法的流程图；以及

图6是示出了可以利用其实现本文呈现的技术的各方面的前庭植入物系统的示意图。

具体实施方式

生理障碍是一种干扰身体功能执行方式的疾病。当身体的正常或适当功能受到影响时，通常会引起生理障碍，原因是身体的器官功能失调、不起作用和/或实际细胞结构在一段时间内已发生变化，从而导致疾病。

本文呈现了使用机器学习治疗生理障碍，包括检测生理事件以及对可植入医疗装置系统进行调适操作以敏锐地治疗生理事件的技术。如本文所用，“生理事件”是指生理障碍的症状的发作或存在，例如，耳鸣、疼痛等的发作/存在。为了便于说明，本文呈现的技术通常将参考内耳生理障碍(内耳障碍)的治疗并且具体地参考耳鸣的治疗来描述。然而，应了解，本文呈现的技术可用于治疗其它内耳障碍(例如，眩晕、头晕等)和其他类型的生理障碍(例如，疼痛障碍等)。

而且，也为了易于描述，主要参考耳蜗植入物系统和/或耳鸣治疗系统来描述本文呈现的技术。然而，应了解，本文呈现的技术也可以通过其他类型的装置，包括可植入医疗装置、计算装置、消费者电子装置等来部分地或完全地实现。例如，本文呈现的技术可以由包括一个或多个其他类型的听觉假体(诸如中耳听觉假体、骨传导装置、直接声刺激器、电声假体、听觉脑刺激器、其组合或变型等)的其他听觉假体系统来实现。本文呈现的技术还可以由专用耳鸣治疗装置和耳鸣治疗装置系统和/或形成另一类型的装置的一部分(例如，听力装置的一部分)的耳鸣治疗装置来实现。在另外的实施方案中，本文呈现的技术还可以由前庭装置(例如，前庭植入物)、视觉装置(即，仿生眼)、传感器、起搏器、药物递送系统、除颤器、功能性电刺激装置、导管、癫痫发作装置(例如，用于监测和/或治疗癫痫事件的装置)、睡眠呼吸暂停装置、电穿孔装置等来实现，或与它们结合使用。本文呈现的技术还可以由消费者装置，例如平板电脑、移动电话、可穿戴装置等部分地或完全地实现。

耳鸣是对耳中的噪声或“嗡嗡声”的感知，目前估计影响10-15％的普通人群，并随着年龄的增长而增加。耳鸣是听力丧失的常见假象，但也可以是其他潜在病症的症状，例如耳损伤、循环系统障碍等。尽管耳鸣影响范围可以从轻度到重度不等，但几乎四分之一的患有耳鸣的人将其耳鸣描述为失能或几乎失能/无能力，降低人们的生活质量，并且可能显著影响睡眠质量。耳鸣在安静或拥挤的环境中可能特别使人虚弱。

耳鸣在听力受损的人中具有特别高的普遍性，并且通过例如耳蜗植入物对内耳进行电刺激在缓解耳鸣方面已显示出有前景的结果，并且可以被认为是耳鸣管理解决方案。例如，大量耳蜗植入物用户在耳蜗植入物激活之后经历耳鸣减少。尽管该特定人群在耳蜗植入物被激活/打开(例如，递送电刺激以唤起听觉感知)时可能不会遭受耳鸣，但是这些用户在耳蜗植入物关闭和/或闲置时(例如，在安静的环境中)仍可能遭受耳鸣。最常见的是，这种情况在夜间当耳蜗植入物用户尝试入睡时发生，其中他/她的耳蜗植入物被停用(例如，关闭和/或处于空闲状态，以致于耳蜗植入物通常不以唤起听觉感知的方式传递信号)，并且对耳鸣声音的感知是非常明显的。这种耳鸣意识反过来又导致入睡困难。

常规地，例如当用户注意到耳鸣的存在时手动地激活耳鸣治疗，并且通常，特定耳鸣治疗将持续预定时间或直到用户停用治疗。替代地，常规耳鸣治疗在一天中的某些时间(例如，当用户尝试入睡时)，在耳蜗植入物关闭时等被激活。这些常规方法存在问题，因为它们要么需要用户识别耳鸣的存在并启动治疗，要么次优地仅在设定时间发生。因此，常规方法缺乏自动检测耳鸣事件(例如，用户的耳鸣的发作)并动态地递送对于特定耳鸣事件的用户为最佳的耳鸣治疗的能力。

如所提及的，本文呈现的技术的各方面使用机器学习来自动检测生理事件，例如耳鸣事件(例如，用户对耳鸣的感知或耳鸣的存在)。一旦检测到生理事件，本文呈现的技术就可以调整耳蜗植入物、听力装置或医疗装置的操作以向用户递送治疗/疗法(例如，递送耳鸣治疗)，其中基于检测到的生理事件的属性，例如严重程度、时间、生理数据等以及用户确定的偏好来选择(调整)递送的治疗的属性。换句话说，本文呈现的机器学习技术允许选择对特定检测到的生理事件和对特定用户(例如，考虑用户的治疗偏好)优化的治疗。

图1A-1D示出了可以利用其实现本文呈现的技术的各方面的示例性耳蜗植入物系统102。耳蜗植入物系统102包括外部部件104和可植入部件112，所述可植入部件有时称为“耳蜗植入物”。图1A示出了植入用户的头部154中的耳蜗植入物112，而图1B是佩戴在用户的头部154上的外部部件104的示意图。图1C是耳蜗植入物系统102的另一示意图，而图1D示出了耳蜗植入物系统102的进一步细节。为了易于描述，通常将一起描述图1A-1D。

耳蜗植入物系统102包括被配置成直接或间接附接到用户的身体的外部部件104，以及被配置成植入用户体内的可植入部件112。在图1A-1D的示例中，外部部件104包括声音处理单元106，而耳蜗植入物112包括内部线圈114、植入物主体134和被配置成植入用户的耳蜗中的细长刺激组件116。

在图1A-1D的示例中，声音处理单元106是耳外(OTE)声音处理单元，有时在本文中被称为OTE部件，其被配置成向可植入部件112发送数据和功率。一般而言，OTE声音处理单元是具有大致圆柱形壳体并且被配置成磁耦合到用户的头部的部件(例如，包括被配置成磁耦合到可植入部件112中的可植入磁体152的集成外部磁体150)。OTE声音处理单元106还包括被配置成感应耦合到可植入线圈114的集成外部(头部部件)线圈108。

应领会，OTE声音处理单元106仅仅是可以与可植入部件112一起操作的外部装置的说明。例如，在替代示例中，外部部件可以包括耳后(BTE)声音处理单元或微BTE声音处理单元和单独的外部部件。一般而言，BTE声音处理单元包括壳体，该壳体被成形为佩戴在用户的外耳上并且经由电缆连接到单独的外部线圈组件，其中外部线圈组件被配置成磁耦合和感应耦合到可植入线圈114。还应了解，替代外部部件可以位于用户的耳道中，佩戴在身体上等。

如所提及的，耳蜗植入物系统102包括声音处理单元106和耳蜗植入物112。然而，如下面进一步描述的，耳蜗植入物112可以独立于声音处理单元106操作至少一段时间以刺激用户。例如，耳蜗植入物112可以在第一通用模式下操作，该第一通用模式有时被称为“外部听觉模式”，在该模式下，声音处理单元106捕获声音信号，该声音信号然后被用作向用户递送刺激信号的基础。耳蜗植入物112还可以在第二通用模式下操作，该第二通用模式有时称为“隐形听觉”模式，在该模式下，声音处理单元106不能向耳蜗植入物112提供声音信号(例如，声音处理单元106不存在、声音处理单元106断电、声音处理单元106出现故障等)。因此，在隐形听觉模式下，耳蜗植入物112经由可植入声音传感器捕获声音信号本身，然后使用这些声音信号作为向用户递送刺激信号的基础。下面提供了关于耳蜗植入物112在外部听觉模式下的操作的进一步细节，随后是关于耳蜗植入物112在隐形听觉模式下的操作的细节。应了解，对外部听觉模式和隐形听觉模式的提及仅仅是说明性的，并且耳蜗植入物112也可以在替代模式下操作。

在图1A和1C中，耳蜗植入物系统102示出为具有外部装置110。外部装置110可以是计算装置，例如计算机(例如，膝上型计算机、台式计算机、平板电脑)、移动电话、远程控制单元等。外部装置110和耳蜗系统102(例如，OTE声音处理单元106或耳蜗植入物112)经由双向通信链路126无线地通信。双向通信链路126可包括例如短程通信，例如蓝牙链路、蓝牙低功耗(BLE)链路、专有链路等。

返回到图1A-1D的示例，OTE声音处理单元106包括被配置成接收输入信号(例如，声音或数据信号)的一个或多个输入装置。一个或多个输入装置包括一个或多个声音输入装置118(例如，一个或多个外部麦克风、音频输入端口、拾音线圈等)、一个或多个辅助输入装置128(例如，音频端口，例如直接音频输入(DAI)、数据端口，例如通用串行总线(USB)端口、电缆端口等)，以及无线发射器/接收器(收发器)120(例如，用于与外部装置110通信)。然而，应领会，一个或多个输入装置可以包括附加类型的输入装置和/或更少的输入装置(例如，可以省略无线短程无线电收发器120和/或一个或多个辅助输入装置128)。

OTE声音处理单元106还包括外部线圈108、充电线圈130、紧密耦合的发射器/接收器(RF收发器)122(有时称为射频(RF)收发器122)、至少一个可充电电池132和外部声音处理模块124。外部声音处理模块124可以包括例如一个或多个处理器和包括声音处理逻辑的存储器装置(存储器)。存储器装置可以包括以下中的任一者或多者：非易失性存储器(NVM)、铁电随机存取存储器(FRAM)、只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质装置、光存储介质装置、闪存装置、电、光或其他物理/有形存储器存储装置。一个或多个处理器例如是执行存储在存储器装置中的声音处理逻辑的指令的微处理器或微控制器。

可植入部件112包括全部被构造成植入用户的皮肤/组织(组织)115之下的植入物主体(主模块)134、引线区136和耳蜗内刺激组件116。植入物主体134一般包括气密密封壳体138，在该气密密封壳体中设置有RF接口电路系统140和刺激器单元142。植入物主体134还包括内部/可植入线圈114，该内部/可植入线圈一般在壳体138外部，但经由气密馈通(图1D中未示出)连接到收发器140。

如所提及的，刺激组件116被配置成至少部分地植入用户的耳蜗中。刺激组件116包括多个纵向隔开的耳蜗内电刺激触点(电极)144，该耳蜗内电刺激触点共同形成用于将电刺激(电流)递送到用户的耳蜗的触点或电极阵列146。

刺激组件116延伸穿过用户的耳蜗中的开口(例如耳蜗开窗、圆窗等)，并且具有经由引线区136和气密馈通(图1D中未示出)连接到刺激器单元142的近侧端部。引线区136包括将电极144电耦合到刺激器单元142的多个导体(导线)。可植入部件112还包括耳蜗外部的电极，有时称为耳蜗外电极(ECE)139。

如所提及的，耳蜗植入物系统102包括外部线圈108和可植入线圈114。外部磁体152相对于外部线圈108固定，而可植入磁体152相对于可植入线圈114固定。相对于外部线圈108和可植入线圈114固定的磁体有助于外部线圈108与可植入线圈114的操作对准。线圈的此操作对准使得外部部件104能够经由在外部线圈108与可植入线圈114之间形成的紧密耦合的无线RF链路148向可植入部件112传输数据和功率。在某些示例中，紧密耦合的无线链路148是射频(RF)链路。然而，可使用各种其他类型的能量传送(例如红外(IR)、电磁、电容和感应传送)以将功率和/或数据从外部部件传送到可植入部件，并且由此，图1D仅示出了一种示例性布置。

如所提及的，声音处理单元106包括外部声音处理模块124。外部声音处理模块124被配置成将接收到的(在输入装置中的一个或多个处接收到的)输入信号转换成用于刺激用户的第一耳的输出信号(即，外部声音处理模块124被配置成对在声音处理单元106处接收到的输入信号执行声音处理)。换句话说，外部声音处理模块124中的一个或多个处理器被配置成执行存储器中的声音处理逻辑，以将接收到的输入信号转换成表示用于递送到用户的电刺激的输出信号。

如所提及的，图1D示出了声音处理单元106中的外部声音处理模块124生成输出信号的实施方案。在替代实施方案中，声音处理单元106可以向可植入部件112发送较少处理后的信息(例如音频数据)，并且声音处理操作(例如声音到输出信号的转换)可以由可植入部件112内的处理器执行。

返回到图1D的具体示例，输出信号被提供给RF收发器122，该RF收发器经由外部线圈108和可植入线圈114将输出信号经皮传输(例如以编码方式)到可植入部件112。也就是说，在RF接口电路系统140处经由可植入线圈114接收输出信号并将其提供给刺激器单元142。刺激器单元142被配置成利用输出信号生成用于递送到用户的耳蜗的电刺激信号(例如，电流信号)。以此方式，耳蜗植入物系统102电刺激用户的听觉神经细胞，从而以使用户感知到接收到的声音信号的一个或多个分量的方式绕过通常将声学振动转换成神经活动的缺失或有缺陷的毛细胞。

如上所述，在外部听觉模式下，耳蜗植入物112从声音处理单元106接收处理的声音信号。然而，在隐形听觉模式下，耳蜗植入物112被配置成捕获和处理声音信号，以用于电刺激用户的听觉神经细胞。具体而言，如图1D中所示，耳蜗植入物112包括多个可植入声音传感器160和可植入声音处理模块158。类似于外部声音处理模块124，可植入声音处理模块158可以包括例如一个或多个处理器和包括声音处理逻辑的存储器装置(存储器)。存储器装置可以包括以下中的任一者或多者：非易失性存储器(NVM)、铁电随机存取存储器(FRAM)、只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质装置、光存储介质装置、闪存装置、电、光或其他物理/有形存储器存储装置。一个或多个处理器例如是执行存储在存储器装置中的声音处理逻辑的指令的微处理器或微控制器。

在隐形听觉模式中，可植入声音传感器160被配置成检测/捕获信号(例如，声学声音信号、振动等)，该信号被提供给可植入声音处理模块158。可植入声音处理模块158被配置成将接收到的(在可植入声音传感器160中的一个或多个处接收到的)输入信号转换成用于刺激用户的第一耳的输出信号(即，处理模块158被配置成执行声音处理操作)。换句话说，可植入声音处理模块158中的一个或多个处理器被配置成执行存储器中的声音处理逻辑，以将接收到的输入信号转换成提供给刺激器单元142的输出信号156。刺激器单元142被配置成利用输出信号156生成用于递送到用户的耳蜗的电刺激信号(例如，电流信号)，从而绕过通常将声学振动转换成神经活动的缺失或有缺陷的毛细胞。

应当理解，上面对所谓的外部听觉模式和所谓的隐形听觉模式的描述仅仅是说明性的，并且耳蜗植入物系统102可以在不同的实施方案中不同地操作。例如，在外部听觉模式的一个替代实施方式中，耳蜗植入物112可以使用声音输入装置118和可植入声音传感器160捕获的信号生成用于递送到用户的刺激信号。

在图1A-1D的示例中，可由耳蜗植入物系统102的一个或多个部件，例如外部声音处理模块124、可植入声音处理模块158和/或外部装置110等执行本文呈现的技术的各方面。这大致由虚线框162示出。也就是说，虚线框162大致表示机器学习治疗装置/逻辑162中的一些或全部的可能位置，所述机器学习治疗装置/逻辑在被执行时被配置成执行本文呈现的技术的各方面。如所提及的，外部声音处理模块124、可植入声音处理模块158和/或外部装置111可以包括例如一个或多个处理器和存储器装置(存储器)，所述存储器装置包括机器学习治疗装置162的全部或部分。存储器装置可以包括以下中的任一者或多者：NVM、RAM、FRAM、ROM、磁盘存储介质装置、光学存储介质装置、闪存存储器装置、电、光或其他物理/有形存储器存储装置。一个或多个处理器是例如微处理器或微控制器，其执行存储在存储器装置中的用于机器学习治疗装置162的指令。

本文呈现的机器学习治疗装置，例如机器学习治疗装置162，是通过机器学习过程被训练以检测生理事件(例如耳鸣事件)的功能块(例如，基于代码、算法等操作的一个或多个处理器)。经由相同或不同机器学习过程进一步训练本文呈现的机器学习治疗装置，以响应于检测到的生理事件而设置/确定递送到用户的治疗/疗法，所述治疗/疗法考虑用户的偏好以及生理事件的属性。也就是说，本文呈现的技术使用机器学习模型来自动选择用户优选的治疗或疗法以修复自动检测到的生理事件。

图2是示出了根据本文呈现的实施方案的机器学习治疗装置262的训练和最终操作的功能框图。更具体地，图2中所示的机器学习治疗装置262包括状态观察单元(状态单元)282、标签数据单元284和学习单元286。如下所述，机器学习治疗装置262被配置成生成“装置配置数据”269(例如，一个或多个控制输出)，所述装置配置数据表示至少选定的治疗/疗法，以供系统(可植入医疗装置)使用以治疗由用户经历的生理障碍，其中生理障碍表现为生理事件。换句话说，机器学习治疗装置262被配置成确定供系统使用以治疗用户的生理障碍的优选治疗。

在图2的示例中，学习单元286从状态观察单元282和标签数据单元284接收输入，以便学习检测生理事件，例如耳鸣事件，并且响应于检测到的生理事件设置/确定递送给用户的治疗，所述治疗考虑用户的偏好以及生理事件的属性。特别地，状态观察单元282向学习单元286提供由箭头279表示的状态数据/变量。状态数据279包括生理数据，该生理数据是表示用户的当前生理状态的数据。此生理数据可包括表示例如心率、心率变异性、皮肤电导率、神经活动等的数据。生理数据还可以包括表示用户的当前应激状态的数据。状态数据279还可以包括表示用户的当前周围环境的环境数据，例如用户的当前声音环境、用户的当前光环境等。学习单元286还可以接收表示系统(例如，耳鸣治疗系统/设备)的当前操作状态的操作状态数据277，并使用操作状态数据277来设置递送给接受者的治疗。

一般来说，在检测到耳鸣事件之后递送给用户的优选治疗或疗法(例如，耳鸣治疗)对于用户可能是主观的，并且不遵循对应于状态数据279的线性函数。也就是说，不能基于状态数据完全预测装置配置数据(选定的治疗)269。因此，标签数据单元284还向学习单元286提供由箭头285表示的标签数据，以收集用户的主观体验/偏好，这是高度用户特定的。换句话说，标签数据单元284收集用户的优选治疗的主观用户输入，所述用户的优选治疗表示在标签数据285中。

如下文进一步描述的，标签数据285可以根据训练过程的阶段采用不同形式。在一个示例中，在第一训练阶段和第二训练阶段期间，用户在他/她想要改变治疗设置时通知系统，并且将经由用户界面(如图3A、3B和3C)对他/她的主观需求进行评级。也就是说，标签数据285可以表示优选治疗和生理事件的严重程度的主观排序/评级两者。通过机器学习技术，学习单元286随时间推移将状态数据279和标签数据285相关联，以开发自动检测特定生理事件的发生并且考虑到检测到的生理事件的特定属性和用户的主观偏好自动选择用户的优选治疗的能力。

如所提及的，标签数据单元284可以是动态且渐进的单元，其根据训练/使用阶段不同地收集标签数据。例如，在第一示例训练阶段(初始阶段)中，标签数据285是由标签数据单元284实时收集的数据。例如，当用户希望基于他/她的主观输入改变/优化治疗时，要求/指示用户通知系统。换句话说，标签数据285可包括在生理事件存在时对优选治疗的实时选择。在此阶段期间，学习单元286被训练以确定哪个状态数据279表示特定生理事件以及用户更喜欢如何治疗该特定生理事件。实时收集的标签数据285在本文中有时被称为“实时事件报告数据”，因为它指示用户关于生理事件的发作(例如，生理事件的严重程度的主观排序/评级)、修复生理事件的优选治疗和/或其他实时信息中的一个或多个的实时主观反馈。在耳鸣治疗系统内实时收集的标签数据285有时被称为“实时耳鸣事件报告数据”。

在第二示例训练阶段(高级训练阶段)中，学习单元286基于第一阶段的训练而构建，并且操作以检测生理事件并选择用于在一段时间内治疗生理事件的治疗。然而，这是一种半监督学习形式，其中要求用户确认或拒绝系统在该时间段内做出的治疗选择。更具体地，在第二训练阶段中，由标签数据单元284收集的标签数据285是对应于前一时间段的回溯性数据，在该前一时间段期间系统对优选治疗和/或治疗改变做出选择。例如，要求用户回溯性地评估在前一小时、一天等期间由系统自动选择/调适的治疗。换句话说，标签数据285可以包括对在生理事件存在时由系统自动选择的一种或多种治疗的回溯性确认或评估。回溯性地收集的标签数据285在本文中有时被称为“回溯性事件报告数据”，因为它指示用户关于学习单元286进行的事件检测和/或治疗选择的回溯性主观偏好。在耳鸣治疗系统内回溯性地收集的标签数据285有时被称为“回溯性耳鸣事件报告数据”。

在第三示例训练阶段(最终训练阶段)中，由标签数据单元284收集的标签数据285是基于反馈历史(例如，先前用户选择，包括实时事件报告数据和回溯性事件报告数据)自动生成的数据，并且用户不一定提供任何手动输入。换句话说，在此阶段(在本文中有时称为自动化操作阶段)中，基于先前的训练阶段自动生成标签数据285。

尽管在自动化操作阶段期间不要求用户向系统提供输入，但仍然可以根据需要实时地或回溯性地提供此类输入。在此阶段输入用户输入引起反馈/训练历史的改变(例如，如果用户通知系统治疗改变，则更新反馈历史)。在某些示例中，用户验证可以作为用于调适机器学习过程(例如，调适学习单元286)的奖励/惩罚输入267操作。基于反馈历史自动生成的标签数据285在本文中有时称为“历史事件报告数据”，因为它基于用户关于事件检测和/或治疗选择的先前实时和回溯性主观偏好而构建。在耳鸣治疗系统内回溯性地收集的标签数据285有时称为“历史耳鸣事件报告数据”。

如上所述，学习单元286从状态数据279、标签数据285以及在某些示例中从操作状态数据277生成装置配置数据269。同样，如所提及的，可以随时间推移逐渐改变标签数据285，以便降低用户在给定时间选择治疗的参与水平和意识。如所提及的，在最终自动化操作阶段期间，用户不需要通知系统生理事件或不需要改变所选择的治疗(例如，他/她的耳鸣管理程序的操作状态)，因为系统自动识别生理事件并且基于历史训练数据选择用户的优选治疗来治疗生理事件。应当理解，上述三个训练阶段仅仅是说明性的，并且本文呈现的技术可以使用其他训练阶段来训练系统以检测生理事件并选择用户的优选治疗来治疗生理事件。

如所提及的，图3A、3B和3C是示例用户界面，其可在上述或其他示例训练阶段中使用以提供输入，所述输入使得特别关于耳鸣生成标签数据。更具体地，图3A和/或3B中所示的界面可以在第一训练阶段期间用于激活、停止或改变耳鸣治疗。图3C中所示的界面可用于例如提供对耳鸣事件的严重程度的指示。应了解，这三个界面仅仅是说明性的。

本文呈现的技术可用于治疗许多不同的生理障碍，包括内耳障碍，例如眩晕、头晕和耳鸣、疼痛障碍等，并且所述技术可以由各种类型的系统实现。图4示出了具体使用呈现的技术为用户选择优选耳鸣治疗。也就是说，图4是示出了配置有用于响应于检测到的耳鸣事件自动选择耳鸣治疗的机器学习治疗装置(例如机器学习治疗装置262)的示例耳鸣治疗系统202的功能框图。耳鸣治疗系统202可以是独立的可植入耳鸣治疗装置，其作为听觉假体的一部分并入，所述听觉假体是例如耳蜗植入物、骨传导装置、中耳听觉假体、直接声刺激器、听觉脑刺激器等。

应当理解，图4中所示的功能块可以跨越一个或多个不同装置或部件实现，所述一个或多个不同装置或部件可以植入用户的身体中或外部。耳鸣治疗系统202可以包括例如医疗装置系统(例如，耳蜗植入物系统)、计算装置、消费者电子装置等，或者可以是它们的部件。此外，如本文所用，术语“用户”用于一般性地指耳鸣治疗系统(例如耳鸣治疗系统202)的罹患耳鸣的任何用户。除耳鸣外，用户也可能患有听力损伤或生理障碍。

如图所示，耳鸣治疗系统202包括传感器单元264、处理单元266和刺激单元268。再次，传感器单元264、处理单元266和刺激单元268可各自跨越一个或多个不同装置实现，因此，图4中所示的特定配置仅仅是说明性的。

传感器模块264包括多个传感器265(1)-265(N)，所述多个传感器各自被配置成捕获表示用户的当前生理状态或用户的周围/外部声音环境中的一个或多个的信号。传感器265(1)-265(N)捕获的信号为“状态数据”或“状态变量”279(图2)，并且可以采取多种不同形式，并且可以由多种不同传感器捕获。例如，传感器265(1)-265(N)可包括声音传感器(例如，捕获声音信号的麦克风)；移动传感器(例如，捕获加速度信号的加速度计)；身体噪声传感器；医疗传感器，例如脑电图(EEG)传感器(例如，一个或多个外部或可植入电极和被配置成记录/测量用户的大脑中的电活动的一个或多个相关联记录放大器)；肌电图(EMG)传感器或其他肌肉或眼运动检测器(例如，一个或多个外部或可植入电极和被配置成响应于神经对肌肉的刺激而记录/测量肌肉响应或电活动的一个或多个相关联记录放大器)；光体积描记(PPG)传感器(例如，被配置成光学检测外周循环中血液的体积变化的传感器)；眼电图(EOG)传感器；多导睡眠描记传感器；脑磁图描记(MEG)传感器；心率传感器；温度传感器；皮肤电导率传感器；功能近红外光谱(fNIRS)传感器等(例如，记录心率、血压、温度等)。应理解，这种传感器列表仅仅是说明性的，并且可以在替代实施方案中使用其他传感器。

应了解，状态数据279还可以不仅包括直接传感器信号，而且还包括传感器信号的经处理版本。例如，在某些实施方案中，状态数据279可以包括从捕获的声音信号生成的声音/环境分类数据。在这些实施方案中，声音分类模块被配置成评估/分析声音信号并确定声音信号的声音类别。也就是说，声音分类模块被配置成使用接收到的声音信号来将周围声音环境和/或声音信号“分类”成一个或多个声音类别(即确定输入信号类型)。声音类别/种类可以包括但不限于“语音”、“噪声”、“语音+噪声”、“音乐”和“安静”。声音分类模块还可以估计声音信号的信噪比(SNR)。声音分类模块生成声音分类数据，所述声音分类数据可以是状态数据279的一部分。

在一个具体示例中，状态数据279表示皮肤电导率值、心率变异性值和加速度计信号的组合。在另一特定示例中，状态数据279表示皮肤电导率、光体积描记(PPG)传感器信号，例如心率变异性值和血容量的组合。在又一具体示例中，状态数据279是神经生理测量，例如EEG信号、MEG信号和fNIRS信号的组合。应当理解，作为状态数据279的传感器输出的这些特定组合仅仅是说明性的，并且在替代实施方案中可以使用传感器输出的许多不同组合中的任一种。

在图4中，由传感器265(1)-265(N)捕获或生成的状态数据279被转换成电输入信号(如果尚未呈电形式)，所述电输入信号在图4中由箭头279表示。如图所示，状态数据279(电输入信号)被提供给机器学习治疗装置262。由于在此示例中，机器学习治疗装置262专门用于治疗用户的耳鸣，因此机器学习耳鸣治疗装置262可以被称为“机器学习耳鸣治疗装置(例如，专门配置成用于治疗耳鸣的机器学习模型)”。

如图所示，处理单元266包括机器学习耳鸣治疗装置262、控制模块272和远程控制模块278。应当理解，图4中所示的功能布置仅仅是说明性的，并且不需要或不暗示任何特定的结构布置。图4中所示的各种功能模块可以硬件、软件、固件等的任何组合实施，并且可以在不同实施方案中省略模块中的一个或多个。

机器学习耳鸣治疗装置262使用状态数据279、标签数据285和可能的操作状态数据277来确定是否存在耳鸣，并且至少在最终或自动化操作阶段基于此确定生成装置配置数据269，该装置配置数据用于生成用于递送到用户的耳鸣治疗信号283。也就是说，如所提及的，装置配置数据269表示用户的优选耳鸣治疗设置/程序，如通过机器学习过程，例如上文参考图2描述的机器学习过程确定的。

控制模块272被配置成使用装置配置数据269根据检测到的耳鸣来选择、设置、确定或以其它方式调整用户的耳鸣治疗，例如，实施由机器学习耳鸣治疗装置262确定的适合用户的耳鸣治疗。换句话说，在存在可能处于如由机器学习耳鸣检测装置262确定的不同水平的耳鸣的情况下，基于用户的状态(例如，应激、特定需求等)实时地具体确定和调整将要提供给用户的耳鸣治疗。也可以基于周围声音环境来调适耳鸣治疗。

根据本文呈现的实施方案，耳鸣治疗包括向用户递送刺激信号。这些刺激信号，在本文中有时称为“耳鸣治疗信号”或“耳鸣缓解信号”，由刺激单元268生成，并且在图4中由箭头283表示。耳鸣治疗信号可以具有许多不同形式(例如，电刺激信号、机械刺激信号、声刺激信号、视觉刺激信号(例如，用于神经反馈中)或其组合)和潜在目标。例如，在某些实施方案中，耳鸣治疗信号283可以是掩蔽信号，其被配置成掩蔽/覆盖用户的耳鸣症状(例如，使用户暴露于部分或完全覆盖其耳鸣的声音的足够大音量的声音/噪声)。在其他实施方案中，耳鸣治疗信号283可以是注意力分散信号，其被配置成使用户的注意力从耳鸣的声音转移。在其他实施方案中，耳鸣治疗信号283可以是习惯化信号，其被配置成帮助用户的大脑将耳鸣重新分类为可被有意识地忽略的不重要声音。在另外其他实施方案中，耳鸣治疗信号283可以是神经调节信号，其被配置成最小化被认为是耳鸣的根本原因的神经多动症。在某些实施方案中，耳鸣治疗信号283可以是掩蔽信号、注意力分散信号、习惯化信号和/或神经调节信号的任何组合。

如所提及的，在图4的示例中，耳鸣治疗系统202包括刺激单元268，所述刺激单元被配置成生成无论是否被配置成用于掩蔽、注意力分散、习惯性和/或神经调节目的耳鸣治疗信号283。刺激单元268基于来自控制模块272的耳鸣治疗控制信号281操作。

耳鸣治疗控制信号281可以指定耳鸣治疗信号283的多个不同属性/参数。例如，控制信号281可以使得耳鸣治疗信号283将是纯音信号、多音信号、宽带噪声、窄带噪声、低通滤波信号、高通滤波信号、带通滤波器信号、预定记录等。耳鸣治疗控制信号281还可以设定耳鸣治疗信号283中的调制、转变等。应当理解，这些具体参数仅仅是说明性的，并且耳鸣治疗信号283可以具有许多不同形式中的任一种。

如本文别处所述，耳鸣治疗信号283可以是电刺激信号、机械刺激信号、机电刺激信号(例如，同时或彼此在时间上紧邻地递送的电信号和机械信号)、声刺激信号、电声刺激信号(例如，同时或彼此在时间上紧邻地递送的电信号和声信号)等。

如所提及的，机器学习耳鸣治疗装置262被训练以确定优选耳鸣治疗。在某些实施方案中，机器学习耳鸣治疗装置262可以被训练以基于耳鸣的水平动态地调整耳鸣治疗信号283的水平(振幅)(例如，从零水平调整到最大水平)。在其他实施方案中，机器学习耳鸣治疗装置262可以被训练以调整耳鸣治疗信号283的频率或调制。在另外其他实施方案中，机器学习耳鸣治疗装置262可以被训练以调整耳鸣治疗信号283的类型(例如，选择掩蔽信号、注意力分散信号、习惯化信号和/或神经调节目的中的一个或在其间切换)。在耳鸣治疗信号283是电刺激(电流)信号的情况下，机器学习耳鸣治疗装置262可以被训练以调整耳鸣治疗信号283的电流水平、脉冲速率或脉冲宽度中的一者或多者。

在图4的具体示例中，控制模块272被配置成存储多个不同耳鸣治疗图275。一般来说，每个耳鸣治疗图275是参数集/集合，其在被选择时控制耳鸣治疗信号的生成(例如，用于生成耳鸣治疗控制信号281)。参数可以控制声音类型(例如，白噪声、波声、雨声等)、波动或调制速率、振幅、声音或掩蔽水平设置、开/关、音高设置、转变时间设置等。在操作中，对于不同的情况(即，身体噪声分类和环境分类的不同组合)，可以创建不同的耳鸣治疗图275(例如，通过软件、听觉专家/临床医师、通过人工智能等)。在操作中，将存在用于不同治疗的图，例如用于掩蔽的特定图、用于注意力分散的特定图、用于习惯化的特定图、用于再训练的特定图等。

在图4的示例中，机器学习耳鸣治疗装置262可以被训练以选择耳鸣治疗图255中的一个以用于生成递送到用户的耳鸣治疗信号和/或动态地调整耳鸣治疗信号283的设置属性。然而，应了解，多个耳鸣图的存在仅仅是说明性的，并且其他实施方案可包括一个或零个耳鸣图。例如，在替代实施方案中可以省略不同的耳鸣治疗图275，并且替代地，机器学习耳鸣治疗装置262被训练以动态地确定耳鸣治疗控制信号281的设置/属性。也就是说，耳鸣治疗图的具体使用仅仅是说明性的，并且可以在不使用所存储的耳鸣图的情况下实施本文所呈现的实施方案。

在某些示例中，所选择的耳鸣治疗设置可用于提供耳鸣治疗，直到来自机器学习耳鸣治疗装置262的装置配置数据269以使控制模块272选择或调整耳鸣治疗的方式改变。一旦选择使用耳鸣治疗调整，控制模块272就可以管理设置之间的转变以避免非预期问题(例如，使用户厌烦)。

如所提及的，处理单元266还包括远程控制模块278。在某些实施方案中，远程控制模块278可以用于例如基于用户偏好来随时间推移更新/调整控制模块272选择哪些耳鸣治疗图。也就是说，远程控制模块278可以用作参考图2描述的训练过程的一部分，以例如从与耳鸣治疗系统202一起操作的外部装置(例如，移动电话)接收控制数据。

如所提及的，耳鸣治疗系统202在某些示例中被配置成向用户递送刺激信号以便修复她的耳鸣。通常，耳鸣治疗可以在需要时开始和/或在不再需要时结束。刺激信号，在本文中称为耳鸣治疗信号，可以是亚阈值信号(例如，听不见的电刺激信号)或超阈值(例如，可听的电刺激信号)。如所提及的，当耳鸣治疗信号被递送至用户时，耳鸣治疗信号的一个或多个属性/参数(例如，振幅)基于来自机器学习耳鸣检测装置262的控制信号269被动态地调适/调整。在某些实施方案中，耳鸣治疗可以在需要时开始和/或在不再需要时结束。

总之，图4示出了这样的实施方案，其中机器学习耳鸣检测模块262被配置成实施自动化学习或调适过程以学习哪些耳鸣缓解设置对于用户是最佳的(例如，哪些信号和参数设置使得用户能够最快地入睡，哪些信号和参数设置对于用户是优选的等)。在某些实施方案中，机器学习耳鸣检测模块262是或包括分类函数/模型，所述分类函数/模型被配置成生成耳鸣是否存并相应地用于设置治疗的分类。在其他实施方案中，机器学习耳鸣检测模块262是回归/连续函数/模型，并且耳鸣数据271包括例如当前耳鸣的水平(例如，耳鸣水平在0与100之间)和/或相应地用于设置治疗的其他数据。在某些实施方案中，机器学习耳鸣检测模块262包括执行分类和回归的多个级别。

图5是根据本文呈现的某些实施方案的用于使用机器学习治疗耳鸣事件的示例方法590的流程图。方法590开始于592，其中状态观察单元获得指示至少一个用户的当前生理状态的状态数据。在594处，标签数据单元获得与耳鸣事件的发作相关联的标签数据。在596处，机器学习模型使用状态数据和标签数据来自动检测至少一个用户的耳鸣事件的发作并且生成指示用于递送到至少一个用户的耳鸣治疗的装置配置数据，其中状态观察单元、标签数据单元和机器学习模型包括逻辑硬件和非暂时性计算机可读介质中的一者或多者，所述非暂时性计算机可读介质将计算机可执行代码存储在耳鸣治疗系统内。

如本文别处所述，本文呈现的技术可以由许多不同的可植入医疗装置系统实施以治疗许多不同的生理障碍，例如其他内耳障碍(例如，眩晕、头晕等)、疼痛障碍等。例如，本文呈现的技术可以由包括一个或多个其他类型的听觉假体(例如，中耳听觉假体、骨传导装置、直接声刺激器、电声假体、听觉脑刺激器、其组合或变型等)的听觉假体系统实现。本文呈现的技术也可以由专用的耳鸣治疗装置和耳鸣治疗装置系统实现。在另外的实施方案中，本文呈现的技术还可以由前庭装置(例如，前庭植入物)、视觉装置(即，仿生眼)、传感器、起搏器、药物递送系统、除颤器、功能性电刺激装置、导管、癫痫发作装置(例如，用于监测和/或治疗癫痫事件的装置)、睡眠呼吸暂停装置、电穿孔装置等实施，或与它们结合使用。本文呈现的技术还可以由消费者装置，例如平板电脑、移动电话、可穿戴装置等部分地或完全地实现。

图6示出了示例前庭刺激器系统602，可以利用该示例前庭刺激器系统实现本文呈现的实施方案。如图所示，前庭刺激器系统602包括可植入部件(前庭刺激器)612和外部装置/部件604(例如，外部处理装置、电池充电器、遥控器等)。外部装置604包括无线功率发射器单元660，其可具有类似于例如上文描述的无线功率发射器单元360或860的布置。因此，外部装置604被配置成向前庭刺激器612传送功率(以及可能的数据)。

前庭刺激器612包括全都被构造成植入用户的皮肤/组织(组织)615下方的植入物主体(主模块)634、引线区636和刺激组件616。植入物主体634一般包括气密密封壳体638，在该气密密封壳体中设置有RF接口电路系统、一个或多个可充电电池、一个或多个处理器以及刺激器单元。植入物主体634还包括内部/可植入线圈614，该内部/可植入线圈一般在壳体638外部，但经由气密馈通(未示出)连接到收发器。根据本文呈现的实施方案，外部装置604和/或植入物主体634可包括机器学习治疗装置，例如上文参考图2描述的机器学习治疗装置262。

刺激组件616包括设置在载体构件(例如，柔性硅酮主体)中的多个电极644。在该具体示例中，刺激组件616包括三(3)个刺激电极，称为刺激电极644(1)、644(2)和644(3)。刺激电极644(1)、644(2)和644(3)用作用于将电刺激信号递送到用户的前庭系统的电接口。

刺激组件616被配置成使得外科医生可以经由例如用户的卵圆窗将刺激组件植入用户的耳石器官附近。应领会，具有三个刺激电极的该具体实施方案仅仅是说明性的，并且本文呈现的技术可以与具有不同数量的刺激电极的刺激组件、具有不同长度的刺激组件等一起使用。

应当理解，虽然上文已说明和讨论本技术的特定用途，但所公开的技术可根据本技术的许多示例来与各种装置一起使用。上述讨论并非意在表示所公开的技术仅适合在类似于附图中所示的系统内实施。一般来说，可以使用额外配置来实践本文的过程和系统，并且/或者可以在不脱离本文所公开的过程和系统的情况下排除所描述的一些方面。

本公开参考附图描述了本发明技术的一些方面，附图中仅示出了一些可能的方面。然而，其他方面可以以许多不同形式体现，并且不应被解释为限于本文阐述的方面。相反，提供这些方面是为了使本公开详尽且完整并且向本领域技术人员充分传达可能方面的范围。

应当理解，本文相对于附图描述的各个方面(例如，部分、部件等)并不旨在将系统和过程限于所描述的特定方面。因此，可以使用额外配置来实践本文的方法和系统，并且/或者可以在不脱离本文所公开的方法和系统的情况下排除所描述的一些方面。

类似地，在公开了过程的步骤时，这些步骤是出于说明本方法和系统的目的而描述的，并且不旨在将本公开限于特定步骤序列。例如，可以按不同的顺序执行这些步骤，可以同时执行两个或更多个步骤，可以执行另外的步骤，并且可以在不脱离本公开时排除所公开的步骤。此外，可以重复所公开的过程。

尽管本文描述了具体方面，但本技术的范围不限于那些具体方面。本领域技术人员将认识到在本发明技术范围内的其他方面或改进。因此，具体结构、动作或介质仅作为说明性方面来公开。本技术的范围由以下权利要求及其中的任何等同物限定。

应了解，本文呈现的实施方案并不相互排斥，并且各种实施方案可以多种不同方式中的任一种方式与另一实施方案组合。

Claims (67)

1.一种耳鸣治疗设备，包括：

刺激部件，所述刺激部件被配置成将刺激信号递送到至少一个用户；以及

机器学习装置，所述机器学习装置检测所述至少一个用户关于外部声音环境的耳鸣事件的发作，其中所述机器学习装置包括：

获得状态数据的状态观察单元，所述状态数据包括表示所述至少一个用户的当前生理状态的生理数据以及环境数据；获取与耳鸣事件的发作相关联的标签数据的标签数据单元，以及

学习单元，所述学习单元通过使用所述状态数据和所述标签数据检测所述至少一个用户的耳鸣事件的发作并且生成装置配置数据，

其中所述装置配置数据指示用于经由所述刺激部件递送到所述至少一个用户的耳鸣治疗。

2.根据权利要求1所述的耳鸣治疗设备，其中所述学习单元接收表示所述耳鸣治疗设备的当前操作状态的操作状态数据，并且其中所述学习单元还基于所述操作状态数据生成所述装置配置数据。

3.根据权利要求1或2所述的耳鸣治疗设备，其中所述标签数据是基于表示由所述至少一个用户经历的先前耳鸣事件的历史的历史耳鸣事件报告数据自动生成的。

4.根据权利要求3所述的耳鸣治疗设备，其中所述历史耳鸣事件报告数据还表示用于治疗由所述至少一个用户经历的先前耳鸣事件的用户偏好的历史。

5.根据权利要求3所述的耳鸣治疗设备，其中所述历史耳鸣事件报告数据是基于先前实时耳鸣事件报告数据生成的。

6.根据权利要求5所述的耳鸣治疗设备，其中所述先前实时耳鸣事件报告数据包括表示所述至少一个用户关于先前耳鸣事件的发作中的一个或多个的先前实时主观反馈的数据。

7.根据权利要求6所述的耳鸣治疗设备，其中所述实时主观反馈包括至少一个先前耳鸣事件的严重程度的主观评级。

8.根据权利要求5所述的耳鸣治疗设备，其中所述先前实时耳鸣事件报告数据包括表示所述至少一个用户关于修复一个或多个先前耳鸣事件的优选治疗的先前实时主观偏好的数据。

9.根据权利要求5所述的耳鸣治疗设备，其中所述历史耳鸣事件报告数据是基于所述先前实时耳鸣事件报告数据和回溯性耳鸣事件报告数据生成的。

10.根据权利要求9所述的耳鸣治疗设备，其中所述回溯性耳鸣事件报告数据包括表示所述至少一个用户关于响应于先前耳鸣事件而进行的耳鸣治疗选择的先前回溯性主观偏好的数据。

11.根据权利要求1或2所述的耳鸣治疗设备，其中所述标签数据表示优选耳鸣治疗和由所述至少一个用户经历的耳鸣事件的严重程度的主观评级两者。

12.根据权利要求1或2所述的耳鸣治疗设备，其中所述生理数据包括表示所述至少一个用户的心率或心率变异性中的至少一者的数据。

13.根据权利要求1或2所述的耳鸣治疗设备，其中所述生理数据包括表示所述至少一个用户的皮肤电导率的数据。

14.根据权利要求1或2所述的耳鸣治疗设备，其中所述生理数据包括表示所述至少一个用户的神经活动的数据。

15.根据权利要求1或2所述的耳鸣治疗设备，其中所述环境数据包括从所述至少一个用户的周围环境捕获的声音信号。

16.根据权利要求1或2所述的耳鸣治疗设备，其中所述环境数据包括由从所述至少一个用户的周围环境捕获的声音信号生成的环境分类数据。

17.一种用于使用机器学习治疗耳鸣事件的方法，包括：

利用状态观察单元获得指示至少一个用户的当前生理状态的状态数据；

利用标签数据单元获得与耳鸣事件的发作相关联的标签数据；以及

在机器学习模型中使用所述状态数据和所述标签数据来自动检测所述至少一个用户的耳鸣事件的发作并且生成指示用于递送到所述至少一个用户的耳鸣治疗的装置配置数据，

其中所述状态观察单元、所述标签数据单元和所述机器学习模型包括逻辑硬件和非暂时性计算机可读介质中的一者或多者，所述非暂时性计算机可读介质将计算机可执行代码存储在耳鸣治疗系统内。

18.根据权利要求17所述的方法，还包括：

获得表示所述至少一个用户的周围声音环境的状态数据。

19.根据权利要求18所述的方法，其中获得表示所述至少一个用户的周围声音环境的状态数据包括：

获得从所述至少一个用户的周围环境捕获的声音信号。

20.根据权利要求18所述的方法，其中获得表示所述至少一个用户的周围声音环境的状态数据包括：

获得由从所述至少一个用户的周围环境捕获的声音信号生成的环境分类数据。

21.根据权利要求17、18、19或20所述的方法，还包括：

接收表示所述耳鸣治疗系统的当前操作状态的操作状态数据；以及

进一步在所述机器学习模型中使用所述操作状态数据来自动检测所述至少一个用户的耳鸣事件的发作并且生成指示用于递送到所述至少一个用户的耳鸣治疗的装置配置数据。

22.根据权利要求17、18、19或20所述的方法，其中获得与耳鸣事件的发作相关联的标签数据包括：

基于历史耳鸣事件报告数据自动生成所述标签数据，所述历史耳鸣事件报告数据表示由所述至少一个用户经历的先前耳鸣事件的历史。

23.根据权利要求22所述的方法，其中所述历史耳鸣事件报告数据还表示用于治疗由所述至少一个用户经历的先前耳鸣事件的用户偏好的历史。

24.根据权利要求22所述的方法，其中自动生成所述历史耳鸣事件报告数据包括：

基于先前实时耳鸣事件报告数据自动生成所述历史耳鸣事件报告数据。

25.根据权利要求24所述的方法，其中所述先前实时耳鸣事件报告数据包括表示所述至少一个用户关于先前耳鸣事件的发作中的一个或多个的先前实时主观反馈的数据。

26.根据权利要求25所述的方法，其中所述实时主观反馈包括至少一个先前耳鸣事件的严重程度的主观评级。

27.根据权利要求24所述的方法，其中所述先前实时耳鸣事件报告数据包括表示所述至少一个用户关于修复一个或多个先前耳鸣事件的优选治疗的先前实时主观偏好的数据。

28.根据权利要求24所述的方法，还包括：

基于所述先前实时耳鸣事件报告数据和回溯性耳鸣事件报告数据自动生成所述历史耳鸣事件报告数据。

29.根据权利要求28所述的方法，其中所述回溯性耳鸣事件报告数据包括表示所述至少一个用户关于响应于先前耳鸣事件而进行的耳鸣治疗选择的先前回溯性主观偏好的数据。

30.根据权利要求17、18、19或20所述的方法，其中获得标签数据包括：

获得表示优选耳鸣治疗和由所述至少一个用户经历的耳鸣事件的严重程度的主观评级两者的标签数据。

31.根据权利要求17、18、19或20所述的方法，其中获得标签数据包括：

获得表示所述至少一个用户的心率或心率变异性中的至少一者的生理数据。

32.根据权利要求17、18、19或20所述的方法，其中获得标签数据包括：

获得表示所述至少一个用户的皮肤电导率的生理数据。

33.根据权利要求17、18、19或20所述的方法，其中获得标签数据包括：

获得表示所述至少一个用户的神经活动的生理数据。

34.一种设备，包括：

刺激部件，所述刺激部件被配置成将刺激信号递送到至少一个用户；以及

机器学习装置，所述机器学习装置检测所述至少一个用户关于所述至少一个用户的外部环境的生理事件的发作，其中所述机器学习装置包括：

获得状态数据的状态观察单元，所述状态数据包括表示所述至少一个用户的当前生理状态的生理数据和表示所述至少一个用户的外部环境的环境数据，

标签数据单元，所述标签数据单元获取与生理事件的发作相关联的标签数据，以及

学习单元，所述学习单元通过使用所述状态数据和所述标签数据检测所述至少一个用户的生理事件的发作并且生成装置配置数据，其中所述装置配置数据指示用于经由所述刺激部件递送到所述至少一个用户的治疗。

35.根据权利要求34所述的设备，其中所述学习单元接收表示所述设备的当前操作状态的操作状态数据，并且其中所述学习单元进一步基于所述操作状态数据生成所述装置配置数据。

36.根据权利要求34或35所述的设备，其中所述标签数据是基于表示由所述至少一个用户经历的先前生理事件的历史的历史生理事件报告数据自动生成的。

37.根据权利要求36所述的设备，其中所述历史生理事件报告数据还表示用于治疗由所述至少一个用户经历的先前生理事件的用户偏好的历史。

38.根据权利要求36所述的设备，其中所述历史生理事件报告数据是基于先前实时生理事件报告数据生成的。

39.根据权利要求38所述的设备，其中所述先前实时生理事件报告数据包括表示所述至少一个用户关于先前生理事件的发作中的一个或多个的先前实时主观反馈的数据。

40.根据权利要求39所述的设备，其中所述实时主观反馈包括至少一个先前生理事件的严重程度的主观评级。

41.根据权利要求38所述的设备，其中所述先前实时生理事件报告数据包括表示所述至少一个用户关于修复一个或多个先前生理事件的优选治疗的先前实时主观偏好的数据。

42.根据权利要求38所述的设备，其中所述历史生理事件报告数据是基于所述先前实时生理事件报告数据和回溯性生理事件报告数据生成的。

43.根据权利要求42所述的设备，其中所述回溯性生理事件报告数据包括表示所述至少一个用户关于响应于先前生理事件进行的选择的先前回溯性主观偏好的数据。

44.根据权利要求34或35所述的设备，其中所述标签数据表示由所述至少一个用户经历的生理事件的严重程度的优选评级和主观评级两者。

45.根据权利要求34或35所述的设备，其中所述生理数据包括表示所述至少一个用户的心率或心率变异性中的至少一者的数据。

46.根据权利要求34或35所述的设备，其中所述生理数据包括表示所述至少一个用户的皮肤电导率的数据。

47.根据权利要求34或35所述的设备，其中所述生理数据包括表示所述至少一个用户的神经活动的数据。

48.根据权利要求34或35所述的设备，其中所述环境数据表示所述至少一个用户的外部声音环境。

49.根据权利要求48所述的设备，其中所述环境数据包括从所述至少一个用户的周围环境捕获的声音信号。

50.根据权利要求48所述的设备，其中所述环境数据包括由从所述至少一个用户的周围环境捕获的声音信号生成的环境分类数据。

51.一种或多种非暂时性计算机可读存储介质，包括指令，所述指令在由处理器执行时使所述处理器：

利用状态观察单元获得指示至少一个用户的当前生理状态的状态数据；

利用标签数据单元获得与生理事件的发作相关联的标签数据；以及

在机器学习模型中使用所述状态数据和所述标签数据来自动检测所述至少一个用户的生理事件的发作并且生成指示用于递送到所述至少一个用户的治疗的装置配置数据。

52.根据权利要求51所述的非暂时性计算机可读存储介质，还包括可操作以执行以下操作的指令：

获得表示所述至少一个用户的周围声音环境的状态数据。

53.根据权利要求52所述的非暂时性计算机可读存储介质，其中可操作以获得表示所述至少一个用户的周围声音环境的状态数据的指令包括可操作以执行以下操作的指令：

获得从所述至少一个用户的周围环境捕获的声音信号。

54.根据权利要求52所述的非暂时性计算机可读存储介质，其中可操作以获得表示所述至少一个用户的周围声音环境的状态数据的指令包括可操作以执行以下操作的指令：

获得由从所述至少一个用户的周围环境捕获的声音信号生成的环境分类数据。

55.根据权利要求51、52、53或54所述的非暂时性计算机可读存储介质，还包括可操作以执行以下操作的指令：

接收表示治疗系统的当前操作状态的操作状态数据；以及

在所述机器学习模型中使用所述操作状态数据来自动检测所述至少一个用户的生理事件的发作并且生成指示用于递送到所述至少一个用户的治疗的装置配置数据。

56.根据权利要求51、52、53或54所述的非暂时性计算机可读存储介质，其中可操作以获得与生理事件的发作相关联的标签数据的指令包括可操作以执行以下操作的指令：

基于历史生理事件报告数据自动生成所述标签数据，所述历史生理事件报告数据表示由所述至少一个用户经历的先前生理事件的历史。

57.根据权利要求56所述的非暂时性计算机可读存储介质，其中所述历史生理事件报告数据还表示用于治疗由所述至少一个用户经历的先前生理事件的用户偏好的历史。

58.根据权利要求56所述的非暂时性计算机可读存储介质，其中可操作以自动生成所述历史生理事件报告数据的指令包括可操作以执行以下操作的指令：

基于先前实时生理事件报告数据自动生成所述历史生理事件报告数据。

59.根据权利要求58所述的非暂时性计算机可读存储介质，其中所述先前实时生理事件报告数据包括表示所述至少一个用户关于先前生理事件的发作中的一个或多个的先前实时主观反馈的数据。

60.根据权利要求59所述的非暂时性计算机可读存储介质，其中所述实时主观反馈包括至少一个先前生理事件的严重程度的主观评级。

61.根据权利要求58所述的非暂时性计算机可读存储介质，其中所述先前实时生理事件报告数据包括表示所述至少一个用户关于修复一个或多个先前生理事件的优选治疗的先前实时主观偏好的数据。

62.根据权利要求58所述的非暂时性计算机可读存储介质，还包括可操作以执行以下操作的指令：

基于所述先前实时生理事件报告数据和回溯性生理事件报告数据自动生成所述历史生理事件报告数据。

63.根据权利要求62所述的非暂时性计算机可读存储介质，其中所述回溯性生理事件报告数据包括表示所述至少一个用户关于响应于先前生理事件进行的治疗选择的先前回溯性主观偏好的数据。

64.根据权利要求51、52、53或54所述的非暂时性计算机可读存储介质，其中可操作以获得标签数据的指令包括可操作以执行以下操作的指令：

获得表示优选治疗和由所述至少一个用户经历的生理事件的严重程度的主观评级两者的标签数据。

65.根据权利要求51、52、53或54所述的非暂时性计算机可读存储介质，其中可操作以获得标签数据的指令包括可操作以执行以下操作的指令：

获得表示所述至少一个用户的心率或心率变异性中的至少一者的生理数据。

66.根据权利要求51、52、53或54所述的非暂时性计算机可读存储介质，其中可操作以获得标签数据的指令包括可操作以执行以下操作的指令：

获得表示所述至少一个用户的皮肤电导率的生理数据。

67.根据权利要求51、52、53或54所述的非暂时性计算机可读存储介质，其中可操作以获得标签数据的指令包括可操作以执行以下操作的指令：

获得表示所述至少一个用户的神经活动的生理数据。