Application of artificial neural network in assessing speech intelligibility in adult patients after cochlear implantation

Daikhes N.A.; Balakina A.V.; Machalov A.S.; Buryak D.Yu.; Sapozhnikov Ya.M.

doi:https://doi.org/10.17116/otorino2025900514

Дайхес Н.А.

ORCID: 0000-0003-2674-4553

Балакина А.В.

ФГБУ «Национальный медицинский исследовательский центр оториноларингологии Федерального медико-биологического агентства»

ORCID: 0000-0001-6185-3291

Мачалов А.С.

ФГБУ «Национальный медицинский исследовательский центр оториноларингологии Федерального медико-биологического агентства»;
ФГАОУ ВО «Российский национальный исследовательский медицинский университет им. Н.И. Пирогова» Минздрава России;
ФГБОУ ДПО «Российская медицинская академия непрерывного профессионального образования» Минздрава России

ORCID: 0000-0002-5706-7893

Буряк Д.Ю.

ООО «Полин Разработки»

Сапожников Я.М.

ORCID: 0000-0001-8421-7212

Использование искусственной нейронной сети в оценке разборчивости речи у взрослых пациентов после кохлеарной имплантации

Авторы:

Дайхес Н.А., Балакина А.В., Мачалов А.С., Буряк Д.Ю., Сапожников Я.М.

Подробнее об авторах

Журнал: Вестник оториноларингологии. 2025;90(5): 4‑8

DOI: 10.17116/otorino2025900514

Прочитано: 194 раза

Связаться с автором

Оглавление

Как цитировать:

Дайхес Н.А., Балакина А.В., Мачалов А.С., Буряк Д.Ю., Сапожников Я.М. Использование искусственной нейронной сети в оценке разборчивости речи у взрослых пациентов после кохлеарной имплантации. Вестник оториноларингологии. 2025;90(5):4‑8.
Daikhes NA, Balakina AV, Machalov AS, Buryak DYu, Sapozhnikov YaM. Application of artificial neural network in assessing speech intelligibility in adult patients after cochlear implantation. Russian Bulletin of Otorhinolaryngology. 2025;90(5):4‑8. (In Russ.)
https://doi.org/10.17116/otorino2025900514

Подписка 2026 Вестник оториноларингологии (Russian Bulletin of Otorhinolaryngology)

Использование инфографики авторами научных работ

Рекомендуем статьи по данной теме:

Аудиологические аспекты реабилитации пациентов с аномалиями развития внутреннего уха после кохлеарной имплантации. Вестник оториноларингологии. 2024;(6):4-9

Показания и реабилитация подростков при последовательной билатеральной кохлеарной имплантации с длительным интервалом между операциями. Вестник оториноларингологии. 2025;(4):11-18

Клиническое применение тепловых карт телеметрии импедансного поля на реабилитационном этапе кохлеарной имплантации. Вестник оториноларингологии. 2025;(5):9-12

Речевая аудиометрия — эффективный метод оценки разборчивости речи у детей, использующих системы кохлеарной имплантации. Вестник оториноларингологии. 2025;(5):23-30

Опыт создания нейросетевой диалоговой системы для ответов на письменные обращения населения в крупное федеральное учреждение здравоохранения. Медицинские технологии. Оценка и выбор. 2025;(2):48-57

Резюме / Abstract:

ЦЕЛЬ ИССЛЕДОВАНИЯ

Оценить возможность использования технологии Voice Extraction (VE) у взрослых пациентов после кохлеарной имплантации и провести сравнительный анализ разборчивости речи — сигнала на фоне шумовой помехи и сигнала с использованием технологии VE у взрослых пациентов после кохлеарной имплантации.

МАТЕРИАЛ И МЕТОДЫ

В исследовании приняли участие 67 пациентов. У всех пациентов диагностирована хроническая двусторонняя сенсоневральная тугоухость IV степени, пограничная с глухотой. Всем пациентам выполнена односторонняя кохлеарная имплантация. Период наблюдения составил от 6 мес до 15 лет. Всем пациентам проведена тональная аудиометрия в свободном звуковом поле с использованием оптимально настроенного речевого процессора кохлеарного имплантата, а также выполнена речевая аудиометрия в свободном поле. Разборчивость речи оценивалась как в тишине, так и при предъявлении речевого материала на фоне помех с шумом типа «улица». Далее пациентам предъявлялись артикуляционные таблицы, обработанные с помощью устройства для извлечения голоса (VE). Устройство для извлечения голоса основано на обученной нейронной сети и работает автономно. В конце исследования рассчитана доля (%) правильно воспроизведенных слов. Показатели улучшения разборчивости речи (%) рассчитаны как разница между разборчивостью после применения технологии VE и разборчивостью до ее применения.

РЕЗУЛЬТАТЫ

Для 55 (82%) участников исследования технология VE увеличила разборчивость в среднем на 11,9% в абсолютном выражении.

ЗАКЛЮЧЕНИЕ

Применение технологии Voice Extraction при разработке новых вариантов кодирования речи речевым процессором и, как следствие, при реабилитации пациентов после кохлеарной имплантации представляется перспективным и эффективным.

Ключевые слова / Keywords:

кохлеарная имплантация

разборчивость речи

нейронная сеть

Авторы / Authors:

Дайхес Н.А.

ORCID: 0000-0003-2674-4553

Балакина А.В.

ORCID: 0000-0001-6185-3291

Мачалов А.С.

ORCID: 0000-0002-5706-7893

Буряк Д.Ю.

ООО «Полин Разработки»

Сапожников Я.М.

ORCID: 0000-0001-8421-7212

Дата поступления:

02.12.2024

Дата принятия в печать:

23.04.2025

Закрыть метаданные

Литература / References:

Бобров А.Ф., Щелканова Е.С., Щебланов В.Ю. Современные методы медицинской психофизиологии: технология виброизображения и искусственные нейронные сети. Современная психофизиология. Технология виброизображения. 2020;1(3):30-39. https://doi.org/10.25696/ELSYS.04.VC3.RU
Романюта М.А. Нейросетевые технологии в машиностроении. Международная научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова, посвященная 300-летию РАН. Сборник докладов Национальной конференции с международным участием. Белгород; 2022:220-224.
Хайкин С. Нейронные сети: полный курс. 2-е издание. Пер. с англ. М.: Вильямс; 2006.
Добратулин К.С., Аюпова И.О., Гайдель А.В., Ивлева А.И. Создание прикладного программного обеспечения для автоматической диагностики зубочелюстных аномалий. VOLGAMEDSCIENCE. Сборник тезисов VII Всероссийской конференции молодых ученых и студентов с международным участием: материалы конференции, Нижний Новгород, 16—18 марта 2021 г. Нижний Новгород: ФГБОУ ВО «Приволжский исследовательский медицинский университет» Министерства здравоохранения Российской Федерации; 2021:720-722.
Мураев А.А., Гусейнов Н.А., Цай П.А. Искусственные нейронные сети в лучевой диагностике, в стоматологии и в челюстно-лицевой хирургии (обзор литературы). Клиническая стоматология. 2020;3(95):72-80. https://doi.org/10.37988/1811-153X_2020_3_72
Uhm TW, Yi S, Choi SW, Oh SJ, Kong SK, Lee IW, Lee HM. Hearing recovery prediction and prognostic factors of idiopathic sudden sensorineural hearing loss: a retrospective analysis with a deep neural network model. Brazilian Journal of Otorhinolaryngology. 2023;89(4):101273. https://doi.org/10.1016/j.bjorl.2023.04.001
Haro S, Smalt CJ, Ciccarelli GA, Quatieri TF. Deep Neural Network Model of Hearing-Impaired Speech-in-Noise Perception. Frontiers in Neuroscience. 2020;14:588448. https://doi.org/10.3389/fnins.2020.588448
Sabesan S, Fragner A, Bench C, Drakopoulos F, Lesica NA. Large-scale electrophysiology and deep learning reveal distorted neural signal dynamics after hearingloss. Elife. 2023;12:e85108. https://doi.org/10.7554/eLife.85108/
Бобошко М.Ю., Риехакайнен Е.И. Речевая аудиометрия в клинической практике. СПб: Диалог; 2019.