[發明專利]一種個性化聽力損失建模方法

有效

• 申請號: 202011587016.9
• 申請日: 2020-12-28
• 公開（公告）號: CN112686295B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 唐閨臣;梁瑞宇;吳亮;王青云;謝躍
• 申請（專利權）人: 南京工程學院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京創略知識產權代理事務所(普通合伙) 32358
• 代理人: 王丹

本發明公開了一種個性化聽力損失建模方法，步驟(A)、獲取大量聽障患者樣本的聽力圖和對應的助聽器插入增益；步驟(B)、將聽障患者樣本按照聽損程度分為中度聽損、重度聽損和極重度聽損三類；步驟(C)、針對分類后的中度聽損、重度聽損和極重度聽損的聽障患者樣本，將每類聽障患者樣本的助聽器插入增益分別進行分類；步驟(D)、計算各類別下的助聽器插入增益對應的聽力圖曲線的平均值，用來表征各類個體聽力損失；步驟(E)、對于待分類的聽力圖，計算其與每類個體聽力損失的距離并按照其與每類個體聽力損失的最小距離進行歸類。可以使助聽器驗配盡可能少的依賴聽力專家，彌補現有助聽器技術單純依靠聽力圖進行聽力損失分類的不足。

技術領域

本發明涉及一種個性化聽力損失建模方法。

背景技術

目前，全球有3.5億人患有某種形式的聽力損失，該數字將在未來十年左右攀升至6.3億。總體而言，全球經濟中的聽力損失負擔估計為每年7500億美元，因此，迅速識別和解決受影響個體的聽力障礙是非常必要且緊迫的。

聽力圖是標準聽力測驗的輸出，并在倒置圖上以頻譜形式直觀顯示受試者的聽力閾值，實際上，它只是聽覺離散閾值隨頻率變化的曲線圖，聽力圖的正確解釋是做出最佳臨床診斷和推薦最佳治療方法的關鍵。雖然移動和自動測聽能為聽覺病患者短缺問題提供部分解決方案，但是許多用戶(例如初級保健醫生、護士和技術人員)缺乏必要的培訓，無法充分解釋或最佳利用聽力圖中包含的大量臨床信息。

聽力圖分類過程不僅是一種有效的聽力損失個性化建模方法，而且可以用于研究不同類型的聽力損失的患病率。現代聽力學之父雷蒙德·卡哈特(Raymond Carhart)早在1945年提出了首批標準化的聽力圖分類系統，多年來，研究者已經提出了各種各樣的分類系統，其中大多數分類系統依靠專家制定的一套規則。比如，Margolis和Saly24對Carhart系統的復雜性和剛性不滿意，因此設計了AMCLASS^TM，這是一種基于規則的系統，專門用于對自動聽力計生成的聽力圖進行分類。AMCLASS^TM是目前的最新技術，由161條手動制定的規則組成，以最大程度地提高系統與專家組之間關于聽力圖配置、嚴重性、對稱性和病變部位的注釋任務之間的分類協議。

機器學習是直接從數據中學習的一系列數據驅動技術，而監督學習是機器學習的一個分支，其從注釋數據中訓練模型，這種學習在醫療應用中正變得越來越流行。比如，有的學者就利用聽力專家對聽力圖數據進行分類標注，然后利用決策樹進行個性化聽力損失建模。但是，監督學習的方法需要人為的對各種聽力圖數據進行標注，這非常依靠標注專家的專業知識，而且易受聽力專家的主觀偏好的影響。

如何建立一種客觀有效的個性化聽力損失建模方法來增強聽力圖的可解釋性，是提高助聽器性能和推廣的關鍵，是當前需要解決的問題。

發明內容

針對上述問題，本發明提供一種個性化聽力損失建模方法，可以使助聽器驗配盡可能少的依賴聽力專家，彌補現有助聽器技術單純依靠聽力圖進行聽力損失分類的不足。

為實現上述技術目的，達到上述技術效果，本發明通過以下技術方案實現：

一種個性化聽力損失建模方法，包括：

步驟(A)、獲取大量聽障患者樣本的聽力圖和對應的助聽器插入增益；

步驟(B)、將聽障患者樣本按照聽損程度分為中度聽損、重度聽損和極重度聽損三類；

步驟(C)、針對分類后的中度聽損、重度聽損和極重度聽損的聽障患者樣本，利用無監督聚類方法對各類聽障患者樣本的助聽器插入增益分別進行分類；

步驟(D)、計算各類別下的助聽器插入增益對應的聽力圖曲線的平均值，用來表征各類個體聽力損失；

步驟(E)、對于待分類的聽力圖，計算其與每類個體聽力損失的距離并按照其與每類個體聽力損失的最小距離進行歸類。