以深度學習噪音消除法改善人工電子耳植入者之語音辨識度

學研新創 - 智慧醫療與健康科技

2018-12-12

下一則

返回列表

｜

力博宏主任團隊/振興醫療財團法人振興醫院、中研院資訊創新研究中心、陽明大學生物醫學工程學系

力博宏、曹昱、賴穎暉

人工電子耳(Cochlear implant, CI)是現今唯一可幫助全聾患者重新聽見聲音的重要科技。於過去研究指出，此科技在安靜的溝通環境下能有效幫助患者提升語音理解能力，但在噪音情境下仍有改善的空間。近年，以深度學習為基礎之噪音消除法(例如: deep denoising autoencoder, DDAE)被提出並證明它能有效的提升聲學應用之相關產品於噪音下的使用滿意度。有鑑於此，本研究進一步的以DDAE為基礎提出以聲音情境特性為考量之噪音消除法，進而提升人工電子耳使用者於噪音環境下之聆聽效益。於臨床實驗結果證明，本團隊提出之架構能顯著改善人工電子耳於噪音情境下之語音理解力表現並達統計上之顯著差異。本研究為第一篇於臨床證明深度學習架構能有效提升人工電子耳患者於噪音情境下之聆聽效益研究，而這也為人工電子耳於信號處理之發展上開啟另一個研究方向。

評審推薦

利用Deep learning 來降噪，確實可解決電子耳目前的技術屏障。基礎研究數據完整，初步語言設定為中文，也有利於目前國內長照市場需求。

2022年度精進成果

本團隊從兩方面繼續精進，優化本系統，為落實於晶片做準備，期待將來能把智慧聯網導入深度學習類神經噪音消除演算法，藉此提升次世代電子耳的層次，成為仿真精準聽覺器官。工程上，進階開發多模態音訊處理之深度學習模型，僅小幅增加硬體需求及運算量，卻能大幅提升降噪效益，更具有資安保護之優勢；臨床驗證上，探討聽損者在聽覺、視覺，及視聽並行等聽知覺模式下，言語表現之差異。結果證實，多模態音訊處理，更能提升電子耳在噪音環境下之音樂與言語知覺表現。國科會已同意給予未來二年延續性研究之經費[111-2314-B-350-002-MY2]，本團隊將持續努力，申請專利，並已應邀於CES 2023 x TTA及台灣創新技術博覽會參展，擬在各平台上積極尋求技術轉移合作開發，將此架構落實於電子耳晶片上，俾此具科學突破性之技術，同時也具有產業應用性。

團隊簡介