Настройка речевых процессоров с применением алгоритмов нейросетевой системы

Полный текст

Кохлеарная имплантация (КИ) в настоящее время является одним из наиболее эффективных методов лечения сенсоневральной тугоухости 4-й степени глухоты. Операция КИ выполняется в крупных медицинских центрах и проводится с очень высоким качеством. Для того чтобы пациент услышал, недостаточно просто провести операцию. Через 1 мес после операции начинается второй этап КИ - послеоперационная реабилитация. Это самый сложный и длинный процесс для пациента (проводятся исследование слуха и настройка системы КИ, занятия с сурдопедагогами, логопедами, консультации невролога, сурдолога, психолога). В самом начале реабилитации выполняется включение речевого процессора. Пациент впервые начинает слышать звуки при помощи КИ. На этом этапе важно максимально точно настроить систему КИ. Могут использоваться разные методики настройки процессоров. Все методы настройки можно разделить на субъективные и объективные [1]. Субъективные методы в основном используются у взрослых пациентов [2]. У детей раннего возраста, подростков и сложных пациентов используются объективные методы исследования. Наиболее часто используемый метод - регистрация электрически вызванного стапедиального рефлекса. Реже используется телеметрия нервного ответа (ТНО). И еще реже регистрация слуховых вызванных потенциалов на электрические стимулы. Регистрация стапедиальных рефлексов в настоящее время является «золотым» стандартом в настройке КИ. Этот метод зарекомендовал себя очень хорошо и активно используется в педиатрической сурдологии. В норме стапе-диальный рефлекс является защитной реакцией организма на очень громкие звуки, предохраняющей кортиев орган от повреждения звуком [3]. В случае стимуляции громкими звуками, начиная от 70 децибел над порогом слышимости, у здорового человека включается защитная реакция, которая представлена сокращением стапедиальной мышцы в среднем ухе. При ее сокращении резко возрастает акустическое сопротивление звукопроводящей системы и за счет напряжения цепи слуховых косточек - меньше энергии попадает во внутреннее ухо. Такой рефлекс препятствует повреждению рецепторного органа в ответ на громкие звуки [4]. При восприятии громких звуков только с одной стороны - моноурально, за счет перекреста слуховых волокон в центральных отделах слуховой системы сокращение мышц происходит одновременно в правом и в левом ухе - бинаурально. Это свойство используется при настройке речевых процессов КИ. При обследовании при помощи диагностического интерфейса и программы для настройки системы КИ в специальном режиме происходит стимуляция слухового нерва КИ. С противоположного уха при помощи импедансометра - прибора для регистрации акустического сопротивления среднего уха - регистрируется сокращение стапедиальной мышцы. Электрически вызванные стапедиальные рефлексы определяются на каждом электроде КИ [5]. По данным литературы, электрически вызванные стапедиальные рефлексы хорошо коррелируют с максимальными комфортными уровнями настройки КИ. Но у данного метода исследования есть некоторые недостатки. В случае кондуктивной тугоухости на контралатеральном ухе часто стапедиальные рефлексы зарегистрировать невозможно. В случаях, когда электрически вызванные стапедиаль-ные рефлексы не регистрируются по каким-то причинам, а получить объективную информацию о состоянии слуха необходимо для качественной настройки системы КИ, используются другие методы исследования [6]. Следующий метод объективной настройки системы -это ТНО. При ТНО проводится регистрация ответов слухового нерва в ответ на электрическую стимуляцию. Во время исследования при помощи программы для настройки проводится стимуляция одного из электродов КИ [7-9]. После стимуляции с соседнего электрода происходит запись электрического возбуждения слухового нерва. При классической регистрации ТНО оценивается возбуждение слухового нерва в ответ на импульсы разной амплитуды [10, 11]. По мере роста амплитуды импульса будет увеличиваться и амплитуда ответа слухового нерва. При обработке результатов строится зависимость амплитуды ответа слухового нерва от амплитуды стимула. При помощи этой зависимости определяются пороговые значения возбуждения слухового нерва. Эти данные используются в настройке [12-14]. Преимуществом использования ТНО является простое применение методики, этот метод не требует дополнительного оборудования, такого как импедансометр или установка для регистрации слуховых вызванных потенциалов. При регистрации нет дополнительных помех, как при записи слуховых вызванных потенциалов, артефакта от мышечного потенциала действия, не мешает спонтанная активность головного мозга. Результаты обследования не зависят от состояния пациента, не обязательно проводить исследования во время сна [15, 16]. Это связано с тем, что записываемый электрод находится в непосредственной близости от слухового нерва и далеко от источников помех. В настоящее время этот метод в связи с его простотой используется для проведения дистанционной настройки КИ [17, 18]. Недостатками метода является то, что пороги ТНО, полученные классическим способом, недостаточно хорошо коррелируют с искомыми параметрами настройки речевого процессора, такими как максимальная комфортная громкость и пороговые уровни стимуляции. Также недостатком является необходимость в ряде случаев коррекции автоматической обработки результатов после обследования. Целью нашего исследования являлось изучение возможности использования нейронных сетей для обработки электрически вызванного потенциала действия у пациентов с КИ. Нами был разработан метод обработки данных ТНО, дающий высокую корреляцию с параметрами максимальных комфортных уровней (МКУ) КИ. Для определения значения МКУ громкости при регистрации ТНО была использована математическая модель нейронной сети. Искусственная нейронная сеть - это математическая модель, построенная по принципу организации и функционирования биологических нейронных сетей, нервных клеток живого организма [19, 20]. Нейронные сети представляют собой систему соединенных между собой действующих виртуальных нейронов. Нейроны представлены в виде нескольких слоев. Чаще всего это входной слой, скрытый слой нейронов и выходной слой. У каждого нейрона в процессе обучения нейронной сети настраиваются параметры его функционирования. Первая настройка параметров нейронной сети происходит в процессе инициализации. Дальше в процессе обучения параметры настраиваются автоматически в зависимости от подаваемых на вход и выход сигналов. Использование нейронных сетей в нашей жизни встречается постоянно. Эти технологии используются банками для анализа кредитоспособности населения, оценки ситуации на финансовых рынках. Также нейронные сети применяются при различных сложно контролируемых процессах: голосовом управлении компьютером, управлении беспилотными самолетами, в других сферах анализа и принятия решений. Преимуществами нейронных сетей являются единые эффективные принципы обучения, нелинейность моделей, способность решать неформализованные задачи. Задачи исследования • Определить наиболее подходящую нейронную сеть для обработки результатов ТНО. • Определить параметры, необходимые для работы нейронной сети. • Используя данные ТНО, определить наиболее вероятное значение верхней границы максимальной комфортной громкости на данном канале. При регистрации данных ТНО мы использовали функцию роста амплитуды и определение пороговых значений, по которым рассчитываются уровни максимальной комфортной громкости на выбранном канале. В процессе обучения нейронной сети на вход подавались необработанные результаты ответа ТНО и заранее определенные опытным путем уровни максимально комфортных уровней громкости, которые должны быть получены у этого пациента. Компьютерная программа, обучаясь, сама создавала алгоритм обработки исходных данных. Материалы и методы Были обследованы 120 пациентов. Всем пациентам были выполнены ТНО, регистрация стапедиальных рефлексов на электрический стимул и коррекция настройки МКУ по субъективным реакциям. Для обучающей выборки использовалась рабочая программа. Обследованные пациенты были разделены на 2 группы. Первая группа (85% пациентов) была использована для обучения нейронной сети. Вторая группа - 15% пациентов в обучающей выборке не участвовали и сформировали группу сравнения для оценки эффективности работы нейронной сети после обучения. В обучающей выборке были представлены данные обследования пациентов, в том числе данные ТНО в электронном виде, заранее определенные опытным путем верхней границы громкости КИ. Общее количество параметров обучающей выборки составило 1420 значений для каждого пациента. Были обучены более 80 нейронных сетей и среди них выбрана лучшая по статистическим показаниям. В процессе обучения было проведено несколько итераций обучения каждой нейронной сети. Процесс обучения нейронных сетей представлен на рисунке. В процессе обучения выбирались параметры нейронных сетей и проводилась предобработка данных, полученных в процессе тестирования. После этого применялась нейро-сеть, по ответу нейросети рассчитывалась ошибка и подстраивались веса нейронов сети. Такие итерации повторялись для каждого пациента. После того как ошибка становилась незначительной, обучение нейросети заканчивалось. В результате обработки была выбрана та сеть, которая оказалась оптимальной по статистическим показаниям. После выбора одной из нейросетей проводился анализ значимости ее входных параметров и впоследствии в работе нейросети принимали участие только значимые параметры. Результаты В процессе исследования были полностью обучены 80 нейросетей. Были проанализированы данные сети и выбрана сеть с наименьшей ошибкой. В процессе обучения анализировались входящие параметры. Незначимые в дальнейшем обучении параметры не использовались. Для прогнозирования сетью данных МКУ оказалось достаточно использовать только 3 значимых параметра. Структура сети составила 3 входных нейрона, 3 скрытых нейрона и 1 выходной нейрон. Доля верного прогноза при работе данной сети составила 99,2%. Заключение Применение нейросетевой экспертной системы позволяет выполнить целый ряд важных задач: • увеличить информативность ТНО при настройке КИ; • оптимизировать параметры настройки речевого процессора для каждого пациента. • повысить эффективность реабилитации пациентов после КИ. Наибольший прогнозируемый эффект при использовании обученной нейронной сети достигается у пациентов в младенческом и раннем возрасте, с аномалиями развития и со сложной структурой дефекта. Это связано с тем что у этих групп пациентов невозможно в полной мере использовать субъективные методы исследования и зачастую ТНО является единственным объективным методом, проведение которого возможно у этой группы пациентов.

Об авторах

Сергей Владимирович Левин

ФГБУ «Санкт-Петербургский научно-исследовательский институт уха, горла, носа и речи» Минздрава России; ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И.Мечникова» Минздрава России

канд. мед. наук, ст. науч. сотр. отд. диагностики и реабилитации нарушений слуха; ассистент каф. оториноларингологии 190013, Россия, Санкт-Петербург, ул. Бронницкая, д. 9; 191015, Россия, Санкт-Петербург, ул. Кирочная, д. 41

Артем Николаевич Наркевич

ФГБОУ ВО «Красноярский государственный медицинский университет им. проф. В.Ф.Войно-Ясенецкого» Минздрава России

Email: enarkevichart@gmail.com
канд. мед. наук, доцент каф. медицинской кибернетики и информатики 660022, Россия, Красноярск, ул. Партизана Железняка, д. 1

Юрий Константинович Янов

ФГБУ «Санкт-Петербургский научно-исследовательский институт уха, горла, носа и речи» Минздрава России

акад. РАН, д-р мед. наук, проф., дир.; засл. врач РФ 190013, Россия, Санкт-Петербург, ул. Бронницкая, д. 9

Сергей Геннадьевич Вахрушев

ФГБОУ ВО «Красноярский государственный медицинский университет им. проф. В.Ф.Войно-Ясенецкого» Минздрава России

Email: vsg20061@gmail.com
д-р мед. наук, проф., зав. каф. ЛОР-болезней с курсом 660022, Россия, Красноярск, ул. Партизана Железняка, д. 1

Владислав Евгеньевич Кузовков

ФГБУ «Санкт-Петербургский научно-исследовательский институт уха, горла, носа и речи» Минздрава России; ФГБОУ ВО «Красноярский государственный медицинский университет им. проф. В.Ф.Войно-Ясенецкого» Минздрава России

д-р мед. наук, зав. отд. диагностики и реабилитации нарушений слуха; доцент каф. ЛОР-болезней с курсом 190013, Россия, Санкт-Петербург, ул. Бронницкая, д. 9; 660022, Россия, Красноярск, ул. Партизана Железняка, д. 1

Елена Алексеевна Левина

ФГБУ «Санкт-Петербургский научно-исследовательский институт уха, горла, носа и речи» Минздрава России

канд. мед. наук, врач отд. сурдологии 190013, Россия, Санкт-Петербург, ул. Бронницкая, д. 9

Виктор Алексеевич Воронов

ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И.Мечникова» Минздрава России

Email: voronov.ent@yandex.ru
канд. мед. наук, доц. каф. оториноларингологии 191015, Россия, Санкт-Петербург, ул. Кирочная, д. 41

Анна Викторовна Шапорова

ФГБУ «Санкт-Петербургский научно-исследовательский институт уха, горла, носа и речи» Минздрава России

врач отд. сурдологии 190013, Россия, Санкт-Петербург, ул. Бронницкая, д. 9

Список литературы

Дополнительные файлы