北榮的「智能聽力檢測系統」整合App開發、抗噪演算法、大數據及機器學習監控等四項關鍵技術，可突破傳統大型聽力檢測儀器與檢測隔音室的限制。聽力量值APP可進行完整的記錄與整合，也讓醫師更方便追蹤復健的過程與成效，達成聽能遠距醫學照護的實現...

榮總耳科聽能團隊的「智能聽力檢測系統」以台灣首創的新式聽力量值法為核心，並整合四項關鍵技術，包括以聽力量值應用程式（Ear Scale App）為主軸，形成可攜式聽力計，讓民眾可居家檢測和追蹤聽力變化情形，達到早期診斷和預防聽損的效益；其他關鍵技術還包括主動式抗噪演算法、智能大數據應用系統和機器學習雲端監測系統（包括醫師決策支援系統），可以突破傳統大型聽力檢測儀器與檢測隔音室的限制，建立快速聽力檢測系統。

智能大數據應用系統（SMART System）是利用已發表國際期刊的創新存活分析模組(SMART Visual Statistics)，架構臨床聽力資料倉儲系統以建置聽損資料庫，並進行整合、管理、譯碼簿參數相關屬性資料庫連結，執行大數據資料分析。機器學習與雲端監測系統（AI / Cloud System）是以AI技術為基礎，建立多變量的預測模型，運用臨床生理指標進行數據回歸模型推導，並透過雲端監控整合病患聽力追蹤的資料庫、分類病患的聽損等級、建置前瞻聽損預測模型，協助臨床醫師判讀及早期察覺可能的變化。

※圖為北榮「智能聽力檢測系統」研究團隊負責人-廖文輝醫師。(照片來源：臺北榮民總醫院)

榮總團隊的廖文輝醫師專長領域之一是突發性耳聾，2019年開始進行該類患者的雲端聽力監測模式研究，即運用聽力量值APP驗證於突發性耳聾患者，讓患者可自我檢測、進行預後聽力追蹤，若發現重大異常變化時可迅速就醫。這套聽力量值APP可將聽障患者的聽力檢測歷程傳送至雲端資料庫平台儲存，進行完整記錄與整合，所以患者可隨時隨地取得資料，而醫師可根據患者聽能復健檢測結果記錄，判斷患者復健的過程與成效，遠端提供患者相關的醫療建議（例如聽力量值等級、復健次數、難易度...等調整），藉此減少回診次數，達成聽能遠距醫學照護的實現。

此外，對於聽力篩檢軟體而言，最重要的挑戰與限制是如何有效克服環境噪音。克服噪音的方法通常包括被動式及主動式，前者主要是以較昂貴的耳機隔絕外界的聲源，主動式抗噪（ANC）是在耳機上有兩個麥克風，一在耳機外一在耳機內，耳機外麥克風接收外界噪音，經由一個轉換函數將噪音稍作改變，再以電子電路產生和改變後噪音音波相反的聲音訊號，當此反相訊號與聽力篩檢軟體產生的聲音相加，就可消除外在聲音對主要聲音的影響。在主動式抗噪技術中，最重要的就是精確地估測一個轉換函數，這個轉換函數模擬的是外界聲音透過耳機傳送到耳機裡面的聲音轉換。傳統上的作法是經由可調式線性函數來實現這個轉換函數，目前市售產品多採此法，然而由於聲音經過耳機的轉換通常是非線性的，因此以線性函數來模擬這個轉換並不理想。

榮總團隊持續開發並優化為新穎的主動式抗噪技術，可應用於聽力篩檢軟體，讓使用者可以在帶有雜訊環境情況下使用該軟體。其主動式噪音消除架構是以情境分類為基礎，即運用深度學習模型對情境分類，再以最好的模型進行主動式抗噪，目前完成的演算法可以提供非常高的辨識率，與後端除噪系統結合，更有效去除雜訊的影響，這樣的結果已發表於知名期刊Ear and Hearing。另外團隊也提出深度小腦模型用於主動式抗噪，發現效果比傳統方法例如LMS、NLMS、Kalman filter、Volterra filter以及單層的小腦模型都要更好，成果發表於IEEE期刊。