影响因素耳蜗卫生措施之间的关系,在人工耳蜗语音识别用户

1。介绍

耳蜗植入设备(CIs)的治疗选择患者恢复听力严重的听力损失(HL)。治疗的成功取决于个人因素,如病人的认知能力或植入免疫系统的反应,以及植入电极阵列的类型和插入的深度。一个影响因素是耳蜗的状况中的生存和螺旋神经节神经元的生理状态(胡志明市)。虽然这一因素的重要性是显而易见的,相关数据是稀疏的。

螺旋神经节神经元的目标神经元与耳蜗植入电刺激。大变化记录在现存的数量和条件的胡志明市CI接受者,这可能导致同样大的可变性在听觉性能观察(Seyyedi et al ., 2014)。参数描述听觉神经的状态包括胡志明市的数量(神经数)存在,密度,和周边的髓鞘形成过程(PP)、代谢和遗传因素。在本文中,我们将使用“耳蜗健康”作为一般包容性的术语涵盖所有这些参数。

一些早期的尝试将语音识别在CI用户与耳蜗健康使用事后颞骨的组织学。这些研究表明负(Nadol et al ., 2001)或不相关(汗et al ., 2005)之间的残余胡志明市计数和词识别。潜在原因之间缺乏相关性包括长时间语音识别测试和组织学分析,有限的数据集,使用集中在电极阵列数据,只有神经计算的使用,排除条件,inter-individual认知能力的差异。Seyyedi et al。(2014)提出了第一个研究数据显示,幸存的胡志明市的数量之间的正相关和文字识别评分。在受试的比较左和右耳朵,消除任何主客体之间的混杂因素,胡志明市的数量一直在耳朵产生更高更好的词识别评分。尽管之间的正相关关系观察耳蜗健康和听觉性能在CI用户,一些以前的研究的局限性也在座。研究也进行事后,证明差异小,再次组织数据汇集在耳蜗,只有非常有限的数据可用为止。

耳蜗的另一个方面健康、遗传因素会影响听觉神经的功能(希勒et al ., 2017;希勒和汉森,2019年;Usami和西2022)。已经几次建立耳蜗神经缺陷(CND)作为参考模型验证耳蜗卫生措施(他et al ., 2018年,2020年;徐et al ., 2020)。然而,这些发现并不像预期的那样,一些措施对耳蜗的健康被发现违背最初的假说(徐et al ., 2020)。这可能是由于CND的发病机理,听觉神经的状态是影响在胚胎发生(·杰克勒)et al ., 1987)和频繁出现的并发神经赤字(黄et al ., 2010)。这些发现可能表明,CND患者可能不是一个合适的模型对耳蜗的一般调查健康(徐et al ., 2020)。

电诱发复合动作电位(eCAPs)可能提供了一种估计耳蜗健康的个人生活。eCAP代表同步整体活动的电刺激听觉神经纤维,和具有相同的神经起源的波我电诱发听觉脑干反应(eABR)。它的主要成分是一种负(N1)峰值,这发生在大约0.2 - -0.4 ms刺激出现后,紧随其后的是一个积极的(P2)达到0.6 - -0.8 ms。eCAP的几个特征可能检查收集信息关于耳蜗健康(范Eijl et al ., 2017)。DeVries et al。(2016)观察eCAP振幅和行为阈值之间的负相关,和报道倾向更好的言语知觉对象与更高的eCAP振幅和更低的行为阈值。金et al。(2010)观察之间的显著相关性eCAP振幅生长函数的斜率(AGF)和语音识别在安静和噪音,虽然只有亚群体的参与者与短电极阵列。

减轻站点特定的eCAP响应的变化引起的非神经因素如传播有关每个电极及其目标胡志明市之间的距离,以及组织和骨骼生长,Prado-Guitierrez et al。(2006)介绍一种方法基于变更相间的差距(IPG,图1一个)。的是简短的零振幅部分对称的阳极和阴极之间的阶段,charge-balanced两相的脉冲用于CIs。增加的效果(IPG效果,IPGE) eCAP刺激脉冲的特点已经成为广泛使用的测量耳蜗的健康。Ramekers et al。(2014)测量了在不同的eCAP IPGE AGF特征如振幅、阈值、斜率,在植入听力正常和延迟(NH)和医学耳聋豚鼠调查后继发性变性胡志明市的后果严重的毛细胞损失通过化学消融。螺旋神经节细胞之间的显著相关包装密度和IPGE AGF的一些特点,包括坡了。

用相同的方法Schvartz-Leyzac和芬斯特(2016)在人类被试估计耳蜗的健康。作者测量了IPGE AGF斜率(IPGE_坡),观察到在网站配置文件反映了当地沿着耳蜗可变性。在随后的研究(Schvartz-Leyzac和芬斯特,2018年),每只耳朵被跨站点的意思表示(ASM)测量IPGE_坡所有电极。类似于Seyyedi et al。(2014)通过计算ear-difference IPGE_坡ASM在双边CI用户,主客体之间偏见源于中央认知能力的变化可能会减少。IPGE ear-differences之间显著相关_坡和ear-differences接收阈值(SRT)所示。提出的方法Schvartz-Leyzac和芬斯特(2018)是挑战Brochier et al。(2021)谁调查的影响eCAP AGF计算和动物模型。基于这两种模型,他们断定IPGE_坡没有成功地控制非神经因素传播有关。相反,他们提出了IPGE抵消(IPGE_抵消),定义为平均dB抵消重叠之间的线性区域的两个eCAP AGFs获得短期和长期IPG (图1 b对数输入-输出轴)表示。上述两项研究的矛盾的结论强调在进一步研究的必要性澄清每个措施的适用性评估人工耳蜗的健康。

语音信息在不同的频段,传播从耳蜗到大脑的不同部分,并不是同等重要的(ANSI 1997)。正因为如此,两个耳朵,同样的ASM IPGE在言语知觉eCAP特征可能不同,如果每个耳蜗幸存的胡志明市的分布不同。不管耳蜗卫生措施的类型,当谈到有关语音识别性能的措施,这样的措施可以受益于一个调整使用频带重要性函数,反映了人类听觉系统的言语知觉机制。

主客体之间的变化位点专一的耳蜗传输语音信息的能力考虑其他措施相关的语音清晰度。语音清晰度指数预测语音的可懂度基于演讲可听到的和在不同频段乘以每个乐队的重要性,这是由乐队的贡献可懂度总演讲的信息(ANSI 1997)。这个函数据估计在听力正常受试者使用识别评分先后低收入和高通滤波的演讲。乐队的重要性,然后通过比较识别评分决定在两个连续的截止频率(希利et al ., 2013)。戴面具的语音信号的感知取决于噪声频谱和通过不同子频带信噪比(信噪比)的变化甚至对同一主题报道波拉克(1948)他测量了低收入和高通滤波的可解性演讲与白噪声掩盖。作者报道相对贡献的各种语音频率随着信噪比的函数。另一方面,听力受损患者的言语知觉不同模式的听力图变化甚至相同的噪声条件下。在深刻的HL和毛细胞功能缺失的情况下,变化在神经生存罗森塔尔的运河在每个频带言论的传播影响。因此,我们得出结论,它可能是可取的提炼方法开发的Schvartz-Leyzac和芬斯特(2018)并考虑语音频带重要性函数当有关IPGE言语知觉。

另一个因素可能影响诊断的力量IPGE刺激脉冲的极性。组织学研究表明,胡志明市退化发生在一段时间后的人类和胡志明市PPs的支持细胞和退化损失也可以生存单极神经元(刘et al ., 2015;吴et al ., 2019)。模型预测与退化胡志明市PPs需要5到6倍的电流比健康的神经元响应cathodic-leading脉冲,然而,这并不适用于anodic-leading脉冲(Rattay et al ., 2001 a,b;Joshi et al ., 2017;雷斯尼克et al ., 2018)。单纤维(录音牧羊人和爪维尔,1997年)和调查pseudo-monophasic和三相的脉冲(Undurraga et al ., 2010,2013年)为这一假说提供了电生理学证据。生物物理因素的影响外部应用电场对神经元激发一个重要的角色分配给刺激的极性(卡尔曼et al ., 2022)。在这里,一个重要因素是神经元的方向与电压梯度的方向由电场引起的。一般来说,阴极为神经刺激(刺激被认为是更有效的Rattay 1998)。电极产生负电位在细胞外空间,这样细胞内潜在的不再是消极的(布鲁克和烧烤,2013)和跨膜电位去极化的,导致动作电位。然而,这是依赖于电极的距离目标神经元,这对于CI刺激从未在密切接触,由外淋巴以及多种组织。以类似的方式,阳极刺激可以创建“虚拟阴极”从电极在遥远的地点。独联体常常唤起大eCAPs阳极刺激(Macherey et al ., 2008;赫曼et al ., 2021)。变性和髓鞘脱失胡志明市外围过程的有效举措神经元远离电极,而健康的胡志明市(镰仓et al ., 2018)。因素增加electrode-neuron距离可能会创建一个偏爱阳极电极刺激。“广义激活函数”(Rattay 1999)观察到时空当地电压变化,依赖于细胞外电压、轴突的阻力和膜电容。在单细胞水平上,模拟表明,阈值的数量增加后的损失外围过程本质上依赖于电极位置和刺激的极性。变性和髓鞘脱失的PPs是所有这些模型预测的领导为阴极刺激更重要的效率损失,由于兴奋区域更适合对齐胡志明市和兴奋性细胞外地应用潜力的阳极。然而,通常anodic-leading和cathodic-leading刺激都是用于一个eCAP测量,然后平均减少工件的目的(交替极性,美联社),使得单极性分化观察是不可能的。模型结果诊断潜在的动机比较anodic-leading刺激与阴极的,单独刺激耳蜗健康的客观评估。远期掩蔽(FM)工件还原方法使用两个两相的脉冲极性相同的主要阶段,通常cathodic-leading脉冲(他et al ., 2017年)。还可以实现调频anodic-leading脉冲。本研究的假说并不针对极性对兴奋性的影响,在之前的调查研究(休斯et al ., 2017,2018年;扬和阿伦伯格,2019,b),它关注的平均差异对anodic-leading和cathodic-leading刺激的反应。相反,两极分别研究在当前的研究中检查每个极性的敏感性分别作为电生理胡志明市变性的生物标志物。

总之,本研究的目标是调查IPGE之间的关系_坡在CI用户、人口统计数据和语音清晰度(1)通过调查刺激脉冲的极性的影响,和(2)考虑乐队重要性权重函数在调查言语知觉之间的相关措施和IPGE_坡在这项研究。

2。对象和方法

2.1。主题

主题队列由13个双边CI用户平均58岁(范围29 - 91)。给出详细的人口数据表1。我们招募了CI用户植入MED-EL设备,以确保与下面描述的定制的eCAP测量软件的兼容性。主题之间的病因多种多样,最常见的病因是进步感音神经性霍奇金淋巴瘤(10个主题,至少有一只耳朵)。所有受试者以德语为母语,在单极刺激模式。对所有受试者FS4编码策略是使用和频率最低的是70赫兹。个人的HL是继发于脑膜炎被排除在这项研究中,由于减少的发生率可刻录eCAPs在这种情况下(古埃德et al ., 2007)。学科7、9、12和13遭受进步听力障碍是prelingually发现。主题7和13个有限制的语言发展和被诊断出患有轻微听觉训练组。12主题的右耳12电极和电极4和5的左耳主题7临床上被停用。左耳的七个主题,IPGE_坡测量电极3、7和10个中断是由于主题的抱怨的不愉快的感觉。主体七是唯一的左耳耳植入一个相对较短的电极阵列(Flex24 EAS)。招聘对象为本研究的伦理委员会批准在法兰克福歌德大学医院(ERB号44/19),和所有科目给书面知情同意。受试者收到费用津贴为参与这项研究。

2.2。语音识别测试(测量过程和刺激)

所有测量管理被称作声音衰减听力学展台,满足需求的标准DIN EN ISO 8253 - 1 (2011)。刺激了通过校准喇叭(JBL电子控制1、哈曼、来自德国)。主体面临着喇叭在一米的距离。两个演讲进行了测试,德国矩阵句子测试(魏格纳et al ., 1999弗莱堡)和单音节词测试(Hahlbrock 1953)。测量分别进行两个耳朵,把音频处理器从侧方面,临床使用(即调整音频处理器配置。、阈值和最舒适的响度水平和压缩)。麦克风定向灵敏度设置为“全向”和降噪和自动功能被禁用用户之间创建一个统一的测试条件。

2.2.1。德国矩阵句子测试

在该测试中,参与者被授予一个讲德语的句子在屏蔽噪音的存在。每个句子包含五个词与“Name-Verb-Number-Adjective-Object结构。“句子是语法正确但语义上不可预测的。参与者被要求在触摸屏上选择的话他们听到每个单词十替代品。演讲材料平衡代表德国语言的语音变化。一个固定噪声包括演讲的长期平均频谱材料(魏格纳et al ., 1999)被用来屏蔽噪音。演讲演讲水平固定在65分贝的水平。在开始测试,噪音是+ 5 dB信噪比(60分贝),此后,信噪比是自动调整自适应测量信噪比对应正确分类率为50%,报告为语音信号阈值(SRT)。在国际语言矩阵测试的更一般的信息,请参阅手册(HorTech gGmbH 2019)。

2.2.2。弗莱堡单音节词测试

这个测试包含20个列表,每个都包含20个单音节的词。为每一个测量的两个列表被随机选中。文字的呈现在65分贝在安静的听众。听众被要求重复这句话。百分比的单词重复正确记录。平均测试结果的两个列表展示。

2.3。语音频带重要性函数的评价对提高测量结果的准确性

1/3倍频程带乐队重要性函数和噪声的言论(由ANSI S3.5引入(1997 -补充表2)是适应MED-EL滤波器组默认设置。乐队和他们的数量相当于三分之一倍频带的中心频率与滤波器组设置不同的处理器MED-EL演讲。四级多项式因此安装在上述带重要性函数和评价MED-EL默认中心频率。这个过程导致12重量为12电极。图2显示了原始频带重要性函数从ANSI S3.5和适应MED-EL设备的默认的中心频率。的IPGE_坡为每个单独的电极然后乘以各自的适应重量的电极,以反映语音信息传播的重要性通过带语音清晰度。在电极失效的情况下,同样的重量中所描绘的一样图2被使用。对于每个耳朵,跨站点(ASM)的加权IPGE意思_坡计算了。这些ear-specific加权IPGE asm被用于调查这些措施的耳蜗健康之间的相关性和两个言语知觉的措施。

2.4。阻抗测量

电极阻抗测量通过阻抗场遥测(IFT)使用临床软件(7.0大师,MED-EL医疗电子、因斯布鲁克,奥地利)与马克斯编程接口(奥地利因斯布鲁克MED-EL医疗电子产品)和一个合适的线圈。这导致植入物的测量电源电压,和12个植入电极的阻抗值的联系人。为目的的研究,导出的测量结果(使用科学的出口)的临床软件为XML文件,和电源电压和电极阻抗值提取确定合规限制。也使用提取的值的统计分析结果。

2.5。Loudness-based测量

定制的基于matlab (MathWorks纳蒂克,妈,美国)研究软件是用于执行与pulse-forms loudness-based测量和序列相同的用于以下实验测量。MATLAB程序与植入使用研究接口盒2 (RIB2)动态链接库(dll), RIB2。dll, Version 1.73.0.0, 64 bit (Department of Ion Physics and Applied Physics, University of Innsbruck, Innsbruck, Austria), the MAX Programming Interface and a suitable coil. Threshold (THR) and maximum acceptable level (MAL) stimulation charges were measured using manual control for all active electrodes using cathodic-leading biphasic stimuli with IPG of 2.1 μs, and repeated for an IPG of 30 μs, in sequences of at least 400 ms duration to allow sufficient loudness integration. The phase duration was the same as that selected for the following eCAP measurements. The amplitude could be increased up to the compliance level which was calculated after impedance measurement.

2.6。eCAP测量

一个定制的基于matlab工具是用来测量eCAP考虑响度的刺和MAL值拟合工具。沟通与植入的软件是一样的loudness-based测量。

电诱发复合动作电位测量使用远期屏蔽(FM)减少工件的方法布朗et al。(1990),如图1所示Baudhuin et al。(2016)]。该方法利用胡志明市的绝对不应期通过实现足够短inter-pulse-interval双脉冲模式。从理论上讲,这项技术仅在包含神经反应的电压跟踪结果。更多细节目前应用构件技术减少了他et al。(2017)。调频工件允许减少调查的听觉神经响应与一个特定的初始脉冲极性。在这项研究中,所有与anodic-leading eCAPs既测量(FMA)和cathodic-leading (FMC)脉冲,为了调查polarity-specific神经反应的行为。对于每一个参数集,50个清洁工都被记录下来,然后取平均值。AP工件还原法实现了平均FMA和融合探测响应。应该注意的是,菲利普-马萨和融合调查没有连续测量,这是美联社是如何实现不同临床软件。在所有情况下,eCAPs测量使用两个IPGs, 2.1和30μs。极性和IPGs导致六个不同的条件:菲利普-马萨2.1,菲利普-马萨30日FMC 2.1, 2.1(虚拟)美联社,FMC 30日(虚拟)美联社30。

ECAP录音进行的速度在单极配置大约60 Hz使用标准刺激植入的地面。记录电极被默认设置为下一个顶端更活跃的电极相对于刺激电极(n−1,其中n是电极数量),除了电极1(最顶端电极)电极2作为默认记录电极。必要时,每个记录电极的位置可以改变由调查员产生一个清晰的eCAP基于初始测试脉冲后目视检查。记录电极相邻刺激电极在几乎所有的情况下。ECAP录音得到具有高时间分辨率(刺激器内部采样率1.2 MHz)。测量延迟被设置为120μs刺激与= 2.1μs组和149μs刺激IPG = 30μs弥补各自的不同持续时间两相的刺激。两个戴面具的人用同样的记录电极和探针信号测量。戴面具的人水平高出10%的调查,除了最高的振幅一步,戴面具的人被设定的发作和探针将MAL的95%。这个过程导致一个更小的增加AGF过去刺激一步,减少潜在的有效的屏蔽,然而,它确保MAL不会超过。

默认阶段持续时间设置为30μs默认masker-probe间隔350μs,但是这两个参数可以由调查员在必要时调整。主题7和10个阶段持续时间增加到40 - 50μs,分别记录eCAPs有足够的可靠性。14个主题有不同阶段持续时间(30μs)和左耳朵(50μs)。AGFs记录所有活跃的电极,与10振幅之间的步骤,包括阈值和MAL,以及两个亚阈值测量。振幅增加是等距的。这导致576 eCAPs对于每个耳朵,在12个临床活性电极。

为了进一步降低测量噪声的影响,记录eCAPs被过滤和基于巴特沃斯低通滤波器截止频率的5 KHz。零相位滤波应用,有效过滤以十翻了一番。避免潜在的倾斜的反应,剩下的刺激伪迹造成的,偏置的决心eCAP特点,过滤eCAPs去趋势。估计这一趋势,加权线性最小二乘分析应用eCAP。每个eCAP跟踪长同样分为三个部分,样品在第一,第二和第三部分乘以权重为0.1,0.5,1,分别强调响应的尾巴在趋势的估计存在的工件更明显。这使得更准确估计的趋势。然后从eCAP减去这估计趋势。最后,为了消除内部电路造成的工件,响应的阈下当前水平最低的是减去去趋势eCAP。

2.7。AGF斜率计算和IPGE_坡

的极值eCAP振幅时间进程陷入的时间间隔大约0.02 - -0.4和0.3 - -0.8女士女士选择确定N1和P2山峰,分别。最早的极值对应的时间间隔被选为N1高峰。P2的极值检测的最大振幅被选中允许一个一致的双高峰的峰值的情况下的定义。默认的时间间隔被修改,如果没有检测到高峰,(尤其是在失踪的N1)。缺席的N1峰可能是由神经元的早期反应消隐期间发生延迟,因此隐藏从测量系统(赖和杰出人物,2000年)。因此,在这种情况下,N1是任意定义为信号的振幅峰值为0.03 ms刺激后发病。选择的P2,上述时间间隔扩大向信号的出现弥补延迟的检测记录,并允许任何发生早于预期的高峰。

幅度增长函数,即。,the N1-P2 peak amplitude difference as a function of stimulating current level, were calculated for each electrode, each IPG, each polarity and each artifact reduction approach (FM/AP). An automatic AGF selection was performed in order to only estimate AGFs with adequate reliability. The criteria for AGF selection were based on the maximum eCAP amplitude (the N1-P2 peak-amplitude for highest current level must be larger than 120 μV), impedance of the stimulating electrode (must be lower than 10 kΩ), monotonicity of the AGF and the comparison between the maximal AGF slope and the slope of a line fitted to the first three points of the AGFs (the response to the subthreshold and threshold currents) as an estimation of the artifact. For the last criterion, the slope difference should be larger than 0.5 (μV/ μA) unless the slope of the line fitted to the eCAP amplitude measured with subthreshold and threshold currents was smaller than 0.3 (μV/ μA), indicating a mild level of artifact.

AGF斜坡根据窗口估计方法引入的斯基德莫尔et al . (2022)。输入转换成电荷(nC)。ECAP AGFs重新取样在13个数据点来处理原始AGF中的非均匀采样数据。随后,一阶线性函数拟合的不同部分重新取样AGF和最大的斜率线性函数确定的边坡eCAP AGF。重新取样的每个子集包括4分AGF,重叠的三个点之间后续的子集。只有上面的数据点噪声地板(设置为20μV)被认为是分析。最后AGF边坡的最大斜率一直使用这个移动窗口方法决定的。IPGE_坡然后减去AGF斜率的计算2.1 IPGμs AGF斜率的IPG 30μs。图1描述了两个模范AGFs获得2.1μs组和30μs组和相应的最大斜率。

2.8。统计分析和离群值

使用MATLAB 2020所有的数据进行了分析。单一和多元线性回归是用来调查IPGE之间的关系_坡和语言测试结果,人口结构和电极阻抗。确定系数(R²)是基于计算每种情况的皮尔森相关系数。这些报告连同相应级别的意义。在多元线性回归的情况下调整R²据报道,弥补造成的过拟合效果温和的本研究的样本容量。调整R²被定义为。

其中n和k样本的大小和数量的独立变量,分别。

除了标准的相关性,加权皮尔逊相关分析也实现占由于拒绝AGFs缺失的数据,即。的情况下,自动选择的标准AGF的算法都不满意。根据相关系数进行了计算。

x_我和y_我是独立和相关的变量长度的样品吗n,x̄和ȳ对应的平均值。在这种情况下,每个样本一只耳朵(单声道的数据的分析),每个样品的重量,w_我是电极的数量与接受AGF为2.1μs组和IPG 30μs除以总数量的电极(12)。对于ear-differences的分析数据,重量w_我,平均重量为每个耳朵的主题。例如,在主题4和菲利普-马萨条件的情况下,得到一个可接受的AGF雇佣IPGs 10日和2电极在左、右耳朵,分别导致重量的0.8333和0.1667对这些耳朵,分别。分析ear-differences,重量为0.5(平均0.8333和0.1667)的应用。

上下文中的加权皮尔逊相关性,计算相应水平的意义,学生的t分布的测试值被定义为。

r_w根据情商计算。(2)n ?_w是有效的样本大小和被定义为指数熵的权重,权重是规范化总结价值。

相应的水平的意义(p适应值)t情商的价值。(3)计算了使用MATLAB的默认数值方法的标准p价值。自由度定义为。

识别异常值的变量的年龄,听力损失时间直到植入(DHL),助听器(已经)和CI经验(CIE),四分位离群值的测试应用。系数的测定范围0.0 - -0.3,0.3 - -0.6,和0.6 - -1.0被归类为弱,温和的和强大的。

3所示。结果

3.1。患者数据

表1包含主题的人口数据。9岁到16岁的受试者最年轻和最古老的本研究的参与者。六个受试者残余听力。残余听力相当的程度在这群。主题7 l是唯一的植入与短电极阵列(表1)。这个主题有HL的最长期限,CI体验低于平均值的数据。没有观察残余听力这门课的实验。问题2是唯一的主题显示没有ear-difference调查的人口数据(HL期间,助听器经验和CI经验)。这个主题是相同的电极阵列植入类型和穿着相同类型的语音处理器两边。一般来说,变化在电极阵列类型测试很低的耳朵。大部分的耳朵被植入一个28毫米长的电极阵列。有一个小电极长度在几个科目的区别。持续时间的ear-differences霍奇金淋巴瘤,助听器和CI经验是相同的,因为没有ear-difference霍奇金淋巴瘤的发病和助听器使用在任何主题。因此,植入的时间变化的唯一原因是在所有这三个ear-differences人口数据。

3.2。语言测试的结果和个别病人的因素

图3显示了德国的SRT和正确的百分比结果矩阵句子测试和FMT,分别排名(根据best-ear SRT降序排列)。一般来说,srt−5和12 dB信噪比之间的范围,只有13个主题和主题7 l显示srt高于1 dB信噪比。这两个主题是唯一的(轻度)听觉训练组。问题13是为数不多的本研究的主题有一个长时间的进步prelingual HL对言语知觉可能有不利影响。所有这些因素有可能表现的SRT的结果。作为主题13 SRT分数在两个耳朵明显不如其他学科,学科13个被确定为局外人和排除在分析相关演讲分数和耳蜗健康指标之间的相关性,但包含在其他的分析(人口数据)。科目2 9和10达到最低的srt(最好)。只有主题6、7、11、13和16显示ear-differences dB信噪比大于1。高测量SRT主题7 l和主题13(耳朵),至少部分ear-difference SRT可能落入矩阵句子的两次试验法的可靠性测试(嘿,et al ., 2014)。

FMT,得分在25 - 95%之间。这个测试没有发现异常值。在单声道的条件下,一个强大的和高度显著相关(R²= 0.67^{* * *},pval = 0.00,tval =−6.97, df = 24日R=−0.81)观察结果之间的两个测试(图4左面板)。两个测试排名9和13和糟糕的表现一样好,分别。然而,ear-differences,测试结果显示差异的比较结果。一个清晰的区别是明显的主题8显示的最小ear-difference SRT和FMT最大的区别之一。没有观察到的结果之间相关性测试ear-differences (图4右面板)。此外,弱,但显著的相关性被发现之间的单声道的srt和人口数据类型的年龄(R²= 0.20 *)和CI经验(R²= 0.21 *),数据没有显示。

3.3。IPGE_坡——个人电极和在网站意味着(ASM)

图5显示的是测量IPGE_坡所有的科目。每个subfigure显示了IPGE计算_坡单个电极(电极1:最顶端,电极12:最基底)及其相应的ASM一只耳朵。左、右耳朵和红色和蓝色表示。圆形、方形和三角形马克菲利普-马萨的三个条件,分别融合和美联社。黑色十字架显示临床上释放电极。

一个成功的典型案例测量16。主题16 l可接受单调AGF得到所有刺激脉冲的电极和两极。主题5是一个示例不完整的测量。对于这个主题,成功得到了eCAP测量只有四个电极。计算IPGE_坡值这些电极在电极相对较低,可能表明耳蜗健康状况差。一个明确的IPGE的变化_坡沿着耳蜗在主题与电极2和9 (2 l IPGE更高的例子_坡值)与电极4和11的情况下,导致IPGE低_坡值。等一些科目的9大主题之间的差异观察左、右耳朵的IPGE电极的数量_坡是可用的。主题9 l(他们有先天性组件霍奇金淋巴瘤),成功的测量得到的三个条件的电极。这个主题的右耳,eCAP测量是不可能的。

三个条件的进一步观察差异的耳朵。例如,主题4 r, IPGE的差异_坡之间的条件是次要的。主题10 r,然而,估计IPGE极性差异是明显的_坡。菲利普-马萨和美联社,成功的电极,测量与融合导致成功的测量只有2电极。明显差异也观察到估计IPGE FMA和美联社之间_坡。主题7 l和主题9 r被排除在分析由于缺失数据的程度对这些耳朵。两个受试者HL先天性组件。在分析ear-differences的情况下,数据的主题7和9是排除ear-differences耳朵因为计算是不可能的。

比较IPGE_坡以本研究与测量的豚鼠模型(图7Ramekers et al ., 2014)显示一个小的大小这对人体耳蜗卫生措施。六周的耳聋动物研究中Ramekers et al。(2014)与本研究的人类受试者的HL的程度而言,测量IPGE吗_坡6到8(根据阶段持续时间)倍比以本研究为美联社条件。

3.4。IPGE之间的相关性_坡和语言测试结果

图6显示了一个散点图的SRT IPGE的函数_坡ASM的三个条件(FMA、融合和美联社)。上面的面板显示了标准的皮尔森相关的结果。在这种情况下洗耳恭听的贡献同样获得确定系数,无论程度的电极缺失数据。中间的面板显示了加权皮尔逊相关性。代表个人的耳朵的标签数量的大小比例根据相应的重量的耳朵如主题16 l拥有最大的标签,因为对于这个耳朵,eCAPs测量成功12电极。相比之下,主题与成功的eCAP测量10 l只有三个电极有一个最小的标签。

在底部面板,加权函数应用于测量IPGE_坡在单个电极ASM的计算每只耳朵为了考虑每个电极的相对贡献的频段分配给语音清晰度。在这里,加权计算皮尔逊相关。IPGE之间没有相关性观察_坡SRT当缺失数据的影响并没有得到补偿,当频带的相对重要性没有考虑(上半部分)。加权融合的皮尔森分析导致弱但显著相关(中间面板)。一般来说,为两极(FMA和融合)最高的相关性观察缺失数据的影响时补偿和频段的相对重要性语音清晰度被认为是(菲利普-马萨:$R_w^2$= 0.25 *,pval = 0.02,tval =−2.45, df = 18.10,R_w=−0.50,融合:$R_w^2$= 0.33^{* *},pval = 0.00,tval =−2.95, df = 17.75,R_w=−0.57)。美联社,然而,这种观察导致趋势但没有显示出显著相关性(下图)。

加权关联的目的是弥补缺失的数据。因此,进行了比较的结果加权相关分析的耳朵和一个标准的相关分析的一个子集的耳朵较完整的测量,我们定义为至少8 AGF 12电极的极性和IPGs(总共9耳朵)。本标准相关分析所示图7。一个更强大的IPGE_坡——观察SRT相关子集的耳朵更成功eCAP测量相比,所有科目的加权相关分析的结果(图6较低的面板)。子集的耳朵更成功的测量,确定系数的大小相当之间的三个条件(菲利普-马萨:R²= 0.55 *,pval = 0.02,tval =−2.92, df = 7,R=−0.74,融合:R²= 0.50 *,pval = 0.03,tval =−2.66, df = 7,R=−0.71,美联社:R²= 0.54 *,pval = 0.02,tval =−2.85, df = 7,R=−0.73)。

之间没有显著相关性观察ear-differences SRT和ear-differences IPGE_坡为标准(菲利普-马萨:R²= 0.06,融合:R²= 0.00,美联社:R²= 0.04)或加权(菲利普-马萨:$R_w^2$= 0.06,融合:$R_w^2$= 0.00,美联社:$R_w^2$= 0.04)皮尔森相关分析。应用加权IPGE_坡占每个频带的相对重要性语音清晰度与SRT并未导致显著相关(菲利普-马萨:$R_w^2$= 0.06,融合:$R_w^2$= 0.02,美联社:$R_w^2$= 0.13)当ear-differences分析(数据没有显示)。

图8描述了FMT IPGE分数的函数_坡单声道的数据和有相同的结构图6。单声道的FMT之间的弱,但观察显著相关性分数和单声道的IPGE_坡ASM融合,以及标准的皮尔森相关分析和应用加权的没有考虑到每个区间的相对重要性语音清晰度。确定系数的大小是改进的加权皮尔逊相关分析时使用。观察最高的相关性时,除了加权关联,言语权重也应用,尽管美联社的相关性不显著,以防(菲利普-马萨:$R_w^2$= 0.28 *,pval = 0.01,tval = 2, 64, df = 18.10,R_w= 0.52,融合:$R_w^2$= 0.25 *,pval = 0.02,tval = 2.46, df = 17.75,R_w= 0.50,美联社:$R_w^2$= 0.19,pval = 0.05,tval = 2.09, df = 18.67,R_w= 0.43)。没有获得IPGE之间显著相关_坡ASM和FMT分数为标准或皮尔逊相关性或应用言语加权后ear-differences分析(菲利普-马萨:$R_w^2$= 0.18,融合:$R_w^2$= 0.01,美联社:$R_w^2$= 0.04,数据未显示)。

3.5。IPGE_坡和人口数据

图9描述了年龄IPGE的函数_坡减少三个工件与单声道的数据方法。相关性分析显示一个明确的刺激脉冲的极性效应:一个重要的相关性观察只有当cathodic-leading脉冲用于刺激。相关性的强度(R²= 0.38,pval = 0.00,tval =−3.71, df = 22日R美联社条件=−0.62)是介于同菲利普-马萨和融合。助听器之间没有相关性观察经验,期间霍奇金淋巴瘤或CI经验和IPGE_坡(数据没有显示)。

图10显示了IPGE之间的相关性_坡和年龄只有耳朵的子集相对成功eCAP测量至少8的12电极。这种严格的纳入标准(应用事后)加强两个参数之间的相关性为所有三个减少工件的方法。尤其是对固定-移动,一个强大的和高度显著相关(R²= 0.84,pval = 0.00,tval =−5.98, df = 7,R=−0.91)是观察到的相关性大大高于在菲利普-马萨和美联社(R²= 0.60,pval = 0.01,tval =−3.26,R=−0.77)条件。

3.6。多元线性回归

多元线性回归模型被用来研究耳蜗卫生措施的关系人口数据和电极阻抗。模型也被用于调查是否考虑人口数据和古典阻抗除了耳蜗健康,在一个模型中,解释了语音清晰度在更大程度上的变化。多元线性分析的结果相比,在一个二维域标准皮尔逊相关参考点。标准的选择而不是加权皮尔逊相关性是避免加权多重回归分析的实现,需要复杂的计算。两年,三年,四和五维模型。如果维度高于2、调整系数的决心(R_邻接的²据报道)补偿过度拟合,造成维数的增加。分析显示,只有年龄的一个重要预测IPGE_坡融合和美联社的条件。添加其他调查人口因素或电极阻抗不导致模型预测的改进。

表2描述了SRT的函数的变化仅耳蜗卫生措施(第一行)和CI一起体验。通过考虑这两个变量,超过50%的变异SRT是在融合的情况下解释道。考虑两个CI经验和IPGE_坡显著提高模型预测与只考虑IPGE相比_坡作为独立变量(df (19),Fval = 15.61^{* * *},pval = 0.00)。菲利普-马萨和美联社,最高的解释变异几乎是30%。

3.7。IPGE之间的相关性_抵消和语音清晰度

Brochier et al。(2021)比较不同的方法用于解释的变化eCAP AGF由于使用计算组和动物模型的变化。他们表现出显著相关性IPGE水平50%和胡志明市密度在动物模型。没有观察IPGE相关性_坡在同一动物模型。他们得出的结论是,IPGE_坡在线性或对数域是容易受到非神经因素如electrode-to-modiolus传播有关距离或刺激和/或记录电极的阻抗。作为一个解决方案,为人类的主题,作者提出了IPGE_抵消这被定义为平均偏移量(dB再保险1数控)刺激振幅之间的线性增长的部分eCAP AGFs(获得短期和长期IPGs)表示对数输入-输出轴(图9Brochier et al。(2021)]。

比较IPGE_坡与IPGE_抵消,同样的分析介绍Brochier et al。(2021)本研究应用于人类的数据。两步距的抽样N1-P2振幅被使用,0.1μV引入的Brochier et al。(2021)和0.02μV的步长。图11显示了结果和有相同的结构图6。它描述了srt IPGE的函数_抵消标准(上半部分)和加权(中间面板)皮尔森相关加权IPGE的函数_抵消加权皮尔逊相关性(下图)考虑缺失数据的效果和相对重要性每个频带的语音清晰度。无论在任何情况下没有观察到显著相关性的步长。

4所示。讨论

本研究调查了IPGE之间的关系_坡,被认为是胡志明市生存(Prado-Guitierrez et al ., 2006;Ramekers et al ., 2014;Schvartz-Leyzac和芬斯特,2016年)和语音识别在ear-differences单声道的条件和措施。分析ear-differences的目的是提供一个控制实验条件报道Schvartz-Leyzac和芬斯特(2018)通过分解出个人间变化的认知能力和其他方面相关处理CI中枢听觉系统的用户。此外,刺激极性的影响,构件技术,减少人口数据和应用程序的影响权重函数相关的演讲带重要性函数衡量耳蜗健康调查。

4.1。IPGE之间的相关性_坡和语音清晰度的影响权重

单声道的数据和ear-differences微不足道或很弱的相关性观察IPGE绝对值之间_坡和语言测试结果标准的皮尔森相关应用时,不管刺激极性。一个因素限制相关的潜在适用性分析缺失的数据将在几个失败的eCAP测量电极。缺失数据的异构程度在耳朵和两极。加权皮尔逊相关分析来弥补缺失的数据的影响。这导致一个微弱但的单声道IPGE之间显著相关_坡和语言测试结果的一些条件,中间行所示图6,8。

另一个因素影响IPGE之间的关系_坡和语言测试结果的相对重要性每个频带语音清晰度。语音信息的重要性不是统一整个频谱,但频率的依赖。因此由于耳蜗tonotopy,螺旋神经节细胞的变性罗森塔尔的运河不同样损害CI演讲的结果。必须占这个相对重要性当有关耳蜗语音清晰度的卫生措施。这是实现本文运用加权函数中描述图2AGF斜坡。就业的权重函数的加权相关分析导致一种改进IPGE之间显著相关_坡和语言测试结果为单声道的数据和菲利普-马萨和融合条件。比较上面的行图6,8与较低的行显示赔偿这两个因素的影响。没有相关观察ear-differences在任何条件。

这些研究结果是符合的Imsiecke et al。(2021),他发现IPGE之间并无相关性_坡与残余听力和语音清晰度CI听众缺失数据的情况下,效果和相对重要性的演讲信息没有考虑。相比之下,Schvartz-Leyzac和芬斯特(2018)观察IPGE ear-differences相关性强_坡和SRT。观察到的差异可能部分是由于IPGE计算的差异_坡ASM。在这项研究中,首次AGF斜坡变化而变化计算每个电极组和随后的均值计算电极斜率的变化。在Schvartz-Leyzac和芬斯特(2018)AGF斜坡的手段的差异,单一IPGs报道(最可能提出的克服歧义缺失的数据)。这两种方法是相同的缺失数据的缺失。在这两项研究的一些电极没有AGF获得至少一个IPGs导致平均和减法当改变订单的差异。

另一个潜在的原因两个研究的矛盾的结论可能是语言理解的差异分数每个科目的学习。SRT的ear-differences数研究的参与者Schvartz-Leyzac和芬斯特(2018)范围从几分贝10 dB信噪比。而在这项研究中,ear-differences高于1 dB信噪比测量只有四个科目。两个这四个主题,主题7和13个主题,显示最大的从IPGE ear-differences被排除在外_坡srt的相关性分析。背后的原因排除主题13被识别为离群值的语音清晰度。主题7,糟糕的eCAP测量耳朵打断了话题,导致不完整的数据。这两个主题也只有那些(轻度)听觉训练组的不规则的语言发展,可能会导致较大的认知过程对性能的影响(Lang-Roth 2014)。显示的证据IPGE之间的关系_坡和SRT ear-differences可能是更直接的SRT ear-differences 10 dB的信噪比,然而,相对较大的病人的数据库中心的招聘导致没有这样的参与者在这项研究中。考虑连续注入之间的延迟日期双方也为主题包含扮演了一个角色。受试者接受他们的第二次植入后不久第一次植入优先(除了主题9)。比较ear-differences的CI经验显示较大的差异研究的倾向Schvartz-Leyzac和芬斯特(2018)。语音测试材料的差异也可能导致通话试验结果的差异。语义内容的测试可能并不相同,因此在订婚的认知。SRT测量而言,两种方法之间的差异观察两个研究。首先,Schvartz-Leyzac和芬斯特(2018)采用步长为2 dB获得自适应跟踪。然而,在这项研究中,使用了一种自适应步长变化取决于主体的反应,可能会使语音信号阈值更准确的估计。第二,Schvartz-Leyzac和芬斯特(2018)保持水平的混合信号(演讲+噪声)不变。在目前的研究中,噪声水平保持不变和演讲水平不一,获得所需的信噪比。此外,电极数组类型的差异,测试语言,包含两个主题与移植的历史/再植术Schvartz-Leyzac和芬斯特(2018)可能导致两个研究的结果的差异。

标准皮尔逊相关分析的耳朵最成功的eCAP测量显示轻微但IPGE之间存在显著相关性_坡和srt。这个结果支持加权关联作为方法的有效性在一定程度上弥补缺失数据的影响。它还假设IPGE支持_坡会更适合评估耳蜗健康如果完成eCAP测量集可用。相关性的强度是大致相似的三个条件。基于这个结果,可以得出结论,在高质量的eCAP测量的情况下,极性可能不会有影响力的健康状况关联耳蜗语音清晰度在安静或静止的噪音。然而,分析相同的年龄IPGE子集的相关主题_坡并表现出差异的三个条件(图10)。

SRT和FMT分数之间的显著相关性观察单耳的听力而不是ear-differences两项措施。同样的模式获得了IPGE分析_坡和srt。大量的主题在这群与进步HL病因可能表明大量的遗传原因,从而更有可能是对称的。这些发现引起怀疑的一般适用性分析言论ear-differences测试结果。虽然在某些群体的听众似乎可行的相对较大的ear-differences SRT,如那些报道Schvartz-Leyzac和芬斯特(2018)转移的方法,分析双边CI ear-differences随机选择的用户可能并不总是产生一个有用的结果。

4.2。IPGE之间的相关性_抵消和语音清晰度

Brochier et al。(2021)比较不同的方法用于解释的变化eCAP AGF由于使用计算组和动物模型的变化。他们表现出显著相关性IPGE水平50%和胡志明市密度在动物模型。没有观察IPGE相关性_坡在同一动物模型。他们得出的结论是,IPGE_坡在线性或对数域是容易受到非神经因素如electrode-to-modiolus传播有关距离或刺激和/或记录电极的阻抗。作为一个解决方案,为人类的主题,作者提出了IPGE_抵消这被定义为平均偏移量(dB再保险1数控)刺激振幅之间的线性增长的部分eCAP AGFs(获得短期和长期IPGs)表示对数输入-输出轴(图9Brochier et al。(2021)]。

一个潜在的原因本研究观察到的差异的结果和发现Brochier et al。(2021)可能是由于不同的评估方法。与计算和动物模型,准确估计水平的50%是困难的在大多数人类的主题。AGF采样时仅12目前的水平,是在目前的研究中,水平50%的稳健估计需要AGF达到拐点。这是很少在我们可观测的数据,通常是难以衡量胸刺激水平低于最大适用的演讲水平。作为替代水平50%,基于平均电流补偿的方法对不同电压水平(不仅水平50%)实施建议Brochier et al。(2021)。这种变化在IPGE估计的方法_抵消可能至少部分解释的差异这两项研究的结果。这一研究获得的结果是符合的结果金et al。(2010)他雇了一个非常类似的方法计算IPGE吗_抵消和报告之间没有显著相关性这在人体测量和演讲的性能。

4.3。线性域的选择

许多研究进行适当的心理物理和生理测量的单位分析CI用户。麦凯(2012)研究心理探测阈值测量使用掩蔽范式。作者认为比率或对数单位探测阈值估计是最好的,因为只有在这些领域的影响electrode-neuron距离取消,只有有效的改变神经元的经验仍然存在。例如,从100年到200年增加刺激电流μA可能导致增加0.5 - 1μA在一个案例中,从1到2μA在其他情况下。在这两种情况下的有效应对当前收到的神经元增加了一倍两倍的电流刺激,但有一个区别原始增量。作者认为,比和对数域可以反映这种影响但不是线性域。

Brochier et al。(2021)使用相同的计算IPGE论证_抵消并应用IPGE_抵消在对数域作为一个耳蜗卫生措施健壮与非神经等因素变化传播有关electrode-neuron接口或刺激电流的变化水平。应该注意的是,IPGE_抵消不仅是一个微分测量,对数变换补偿不同梯度的优势领域,即。,效果目前在招募的人口,也删除任何时间相关的影响。变性影响神经元的时间集成的程度。因此,耳蜗卫生需要测量的可靠估计应该敏感时间积分的变化。这个论证是证实与本研究的结果显示IPGE之间显著相关_坡在线性域和语言测试结果为IPGE但没有显著相关性_抵消在对数域。IPGE在线性域的观察显示,只有一个显著的影响可以被解释为神经人口如何集成的差异随着时间的推移,这些信息是被分析在对数域。

这项研究的发现与研究Takanen et al。(2022)建模三耳蜗卫生措施,(1)IPGE吗_坡在线性域,(2)相对IPGE_坡(斜坡的比例),(3)IPGE_抵消在对数域。他们调查electrode-neuron接口和耳蜗的影响健康(定义为幸存的胡志明市的数量)。他们报告说,只有IPGE_坡在线性域敏感耳蜗健康,尽管它也受到electrode-neuron距离变化的影响。相对IPGE_坡和IPGE_抵消在对数域不是敏感因素。

4.4。年龄和其他人口统计数据的分析

人工耳蜗的研究已经揭示了一些人工耳蜗的卫生措施之间的关系和人口统计数据。霍奇金淋巴瘤的持续时间之间的相关性和AGF斜率被报道Schvartz-Leyzac和芬斯特(2016)。IPGE阈值和水平50%也相关研究的HL的持续时间Imsiecke et al。(2021)。在目前的研究中,观察很强的相关性之间的年龄和IPGE_坡融合而不是菲利普-马萨(图9,10)。这可能强调更高的诊断的力量cathodic-leading脉冲耳蜗的特定方面的健康。生理的减少人类胡志明市人口(齐默尔曼et al ., 1995;Otte et al ., 2015)随着年龄的增长表明,测量敏感的退化过程,如髓鞘脱失和胡志明市PPs损失以及随后的胡志明市死亡随着年龄的增长会因此表现出负相关。建模的研究(Rattay 1999;Rattay et al ., 2001 a,b;雷斯尼克et al ., 2018)阐述了为什么领先阴极脉冲效果低于阳极脉冲在该地区引起峰值与退化PPs超出了胡志明市的胞体。PPs胡志明市退化由于神经性耳聋(Glueckert et al ., 2005)或老年性霍奇金淋巴瘤(Kumar et al ., 2022)后减少神经营养支持从螺旋器和支持细胞(Zilberstein et al ., 2012)。本研究的发现之一是,cathodic-leading刺激更适合于作为胡志明市变性的电生理学指标比anodic-leading刺激。退化PPs因此应该评估与融合更可靠。观察一个强大的年龄和IPGE之间负相关_坡融合而不是菲利普-马萨在这项研究(图9)表明,cathodic-leading脉冲可能更敏感的评估周边的变性过程,从而耳蜗的健康。以前的研究(扬和阿伦伯格,2019,b)研究了极性效应之间的关系在行为阈值使用三相的刺激没有相间的差距发现提高阴极阈值随着年龄的增加,这与本研究的结果一致。但是,先前的电生理都有类似的假设进行了调查关于极性效应和耳蜗的健康,但生成的决定性的结果(休斯et al ., 2017,2018年)。此类研究的样本量相对较小的始终是一个统计障碍当试图概括和比较结果。然而,当前调查不同于先前的研究在各种因素,如关注cathodic-leading刺激(阳极-阴极相比,极性效应),调查个别科目(相比平均所有或学科组),与年龄相关的年,调查IPGE 30至2.1μs不同极性(与对比对eCAP极性影响阈值,AGF斜率或制程)。一个或多个这些因素,以及不同的主题选择可用于支持本研究更具决定性的结果。

综上所述,我们的研究结果提供的证据最初的假设,IPGE_坡可以用作电生理生物标志物对耳蜗的健康测量时cathodic-leading刺激。胡志明市的部分变性和/或完全丧失可能发挥重要作用和这种分化需要进一步的研究。外围的髓鞘脱失过程会增加膜电容(Rattay et al ., 2001 b),以及离子通道表达的差别可能对这些基因(潘et al ., 2016,2021年),胡志明市细胞外刺激的响应时间将增加。模型进一步调查脱髓鞘建议反应阈值可能很大程度上不受影响,但响应时间可能会改变明显(雷斯尼克et al ., 2018)。脆弱的时期,第二阶段仍然可以防止造成去极化第一阶段通过阈值(van den Honert和莫蒂默,1979)已建议范围介于8.7和16μs (Rubinstein et al ., 2001),但可能会延长在30多年的耳聋,μs IPG不再足以允许开始飙升,在接近阈值和边界的神经元兴奋胡志明市人口。2.1设置短IPGμs适合第二阶段的样本打断了脆弱的时期,再IPGs可能不适合选择较短的IPG。霍奇金淋巴瘤的病因是进步的十13名(77%)在这项研究中,建议持续退化过程以及剩余的毛细胞和PPs的存在。进一步的研究需要更详细的调查原则的潜在优惠极性敏感词的用户。

4.5。多重线性回归分析

虽然显著相关性观察耳蜗健康之间和演讲措施,言语知觉的变化在CI用户仍大。为了解释言语知觉的个别间变异性CI用户,超过一个因素需要考虑。实现这一目标在当前的研究中,采用多元线性回归模型和语音清晰度的变化在一定程度上解释说。IPGE_坡曾是主要的独立变量。集成的CI除了IPGE经验模型_坡导致最大的性能模型。这是最可能是因为IPGE_坡是与时代和包容的时代因此没有提供补充信息模型。菲利普-马萨的情况下,观察到的相关性是最有可能由于CI经验。

重要的是要考虑与高维模型过度拟合的影响,特别在小样本的情况下一个工作。调整R²据报道值补偿过度拟合的效果。然而,应采取谨慎在解释这些模型的结果,特别是对24的数据大小的耳朵。因此,建议重复这个分析大数据集和(如果可能的话),不缺失的数据。多元回归分析,不可能只包括耳朵相对较完整的eCAP测量。然而,根据观察到的相关性越高的考虑只耳朵与成功的测量至少8电极,可以得出的结论是,使用这种模型与数据集用更少的缺失数据可能导致增加模型的预测性能。

生活的et al。(2022)也采用多元回归模型来预测CI用户的语音清晰度噪音,然而,考虑不同的因素在这个研究。他们解释60%的变异语音清晰度通过考虑electrocochleography (EcochG)和认知。补充他们的研究使用EcochG作为耳蜗卫生措施,本研究采用IPGE_坡。EcochG的优点是可衡量的植入前在CI候选人,因此可用于植入在决策的过程中。然而,由于它不是特定频道,它限制了应用程序post-implantation。而eCAP耳蜗卫生措施为基础,在这项研究中,使用有可能确定耳蜗本地健康,post-implantation和被用于个性化的拟合。生活的et al。(2022)报告确定系数(R²),而不是调整确定系数(R²_邻接的),这可能会增加的贡献从过度拟合。

未来研究等额外因素的赤字CI处理器或拟合的康复措施可能感兴趣的问题。

4.6。控制变量和未来的工作

在这项研究中评估IPGE的性能_坡耳蜗健康(神经状态)的估计与选择语音清晰度的关系吧。研究设计控制的共变影响因素语音清晰度。电极阵列类型的可变性是保持尽可能低。然而,完全提出个人间变异性在耳蜗tonotopy重建,电极阵列的长度信息应该一起评估各自的插入角度和耳蜗的大小。为了避免这样的偏见,这些信息应该考虑在未来。

为了控制受试者的认知能力,在耳蜗ear-differences卫生措施和语音清晰度。然而,分析ear-differences揭示了这种方法的局限性。这些限制包括招聘一个足够大的困难的科目between-ear SRT差异高于1 dB信噪比,和难以获得全面的eCAP测量两个耳朵在某些科目。因此,分析单耳的研究数据是首选。然而,这种方法为代价是失去控制的认知能力(这是一个高度个体变量和在许多研究与性能)。因此,它可能会用于未来的研究来评估受试者的认知能力通过额外的测试来描述一些剩余的无法解释的变异语音清晰度的CI用户。

另一个影响语音清晰度不可控因素是激励的传播。激发不同的传播模式在CI用户和电极定位的特点影响,如侧壁的距离,通过电极阻抗,通过刺激脉冲的参数如脉冲幅度。大激发导致邻国之间的交互传播渠道,因此恶化演讲暗示。可靠地传输语音提示需要集中激励以及功能胡志明市。传输语音信号通过胡志明市恶化可能导致退化的语音清晰度。因此,评估人工耳蜗语音清晰度上健康的影响是很重要的控制励磁的传播。然而,它可能很难找到的励磁控制的传播为胡志明市的生存(他et al ., 2017年)。加西亚et al。(2021)迈出了第一步在解开这两个相互关联的因素的影响,介绍了一种方法来估计在使用神经兴奋传播的健康向量控制胡志明市生存。基于成像技术措施也可能有助于绕过这些混杂效应(高贵的et al ., 2013)。考虑到变化的传播激励可能有助于更好地解释本研究的结果。

电极阻抗也可能表明非神经因素对耳蜗传播有关卫生措施的影响。阻抗措施定期评估在临床访问和可以用来修改一个耳蜗健康指数由临床医生没有额外的努力。在动物模型中,阻抗措施已被证明与intrascalar纤维化(Ramekers et al ., 2021与骨化)和(Colesa et al ., 2022),而不同的阻抗之间的关系和CI演讲结果无法显示(Prenzler et al ., 2020)。在未来,电极阻抗之间的关系和耳蜗健康应该调查评估电极阻抗的影响耳蜗卫生措施。

除了客观的耳蜗卫生措施,引入了一个主观测量称为电荷集成效率周et al。(2020)。响度生长更缓慢增加脉冲持续时间阶段相比,脉冲幅度(同样的交付费用)。dB脉冲幅度和脉冲相位时间动态范围的区别,即。,the established chronaxie measure, may be used to estimate the extent of neural degeneration.周et al。(2020)相关负责集成功效与HL时间,间接测量耳蜗的健康,以及语音识别(周et al ., 2021)。与IPGE相比_坡负责集成功效可能更快的测量耳蜗的健康,因为它可以测量心理物理合作主题。然而,其主观性质可能会限制其可能的应用如小儿病例。还需要进一步的研究来比较IPGE_坡和充电集成效果的准确性以及他们容易丢失数据。

计算每个区间的相对重要性语音清晰度,乐队重要性函数中引入ANSI S3.5(1997)是适应MED-EL滤波器组默认设置。一般来说,语音频带重要性函数的估计可能会受到几个因素的影响如频带的特征(中心频率和带宽,比较补充表1来补充表2ANSI s3.5 - 1997)或语言(金et al ., 2016)。也,自然声讲话是不同的从CI-coded演讲的内容(Bosen Chatterjee, 2016)。后一个因素CI研究仍是一个活跃的研究课题。即使对某种语言,演讲材料导致差异的变化估计带重要性函数(CID-22 vs。NU6,补充表2,ANSI s3.5 - 1997)。带任何应用程序的重要功能,需要考虑尽可能多的这些因素来获得一个函数是根据特定的应用程序。这是假设一个定制的乐队重要性函数一起完成电生理测量结果更准确预测语音清晰度。

临床的一些地图对象可能不同于默认地图。各种因素确定合适的拟合映射为个人用户的滤波器组设置。低频听力的存在通常会导致滤波器组的改变设置,因为在这种情况下听众能够听到的低频声学上和CI代码限制频率带宽。另一个有影响力的因素可能是anatomy-based配件的使用,旨在保护自然frequency-place地图。这里的数量的变化取决于插入深度和耳蜗电极的位置。电极钝化作用也会影响滤波器组设置,因此乐队重要性函数。面部神经刺激,开放或短回路电极钝化作用的常见原因结果的频率分配剩余的电极和取决于电极失效的数量。变异的程度从默认地图个人和范围从一个温和的一个细微的变化。就业带重要的功能适应用户的个人地图CI值得被测试。

5。结论

本研究调查的适用性耳蜗卫生措施在CI用户言语知觉能力的预测。我们特别关注调查的影响刺激脉冲的极性和乐队的效用函数的重要性。总之,IPGE之间的显著相关性观察_坡和语音感知结果,以同样的相关强度anodic-leading cathodic-leading脉冲,但不是ear-differences。我们发现可靠的耳蜗健康调查的参数之间的关系只能建立在每个频带的相对重要性考虑语音清晰度。IPGE之间观察到显著负相关_坡和年龄。在这种情况下,cathodic-leading脉冲导致一个重要和强大的相关性,而anodic-leading脉冲显示无显著相关性,支持假设cathodic-leading脉冲是退化胡志明市PPs的更适合检测。年轻的高灵敏度CI用户cathodic-leading可能是由于大量的兴奋PPs地区靠近电极接触阴极去极化刺激会导致更有效的地方。缺失的数据分析尤其有害。最高的相关性观察缺失数据的影响补偿时通过实施加权关联或当只有耳朵相对完整的测量包括分析。作为准确估计的耳蜗健康(神经状态),高质量的测量eCAPs是至关重要的。刺激与cathodic-leading阶段可能会有助于改善耳蜗健康评估。这项研究的结果进一步当前信息传播一起,被认为是一个个人因素和光谱分辨率降低编码的讲话,有可能解释观察到的性能通过CI用户的变化,一定程度上是因为变异退化程度的听觉外围。

数据可用性声明

原始数据支持了本文的结论将由作者提供,没有过度的预订。

道德声明

涉及人类受试者的研究回顾和批准在法兰克福歌德大学医院的伦理委员会(ERB号44/19),和所有科目给书面知情同意。受试者收到费用津贴为参与这项研究。患者/参与者提供了他们的书面知情同意参与这项研究。

作者的贡献

楼主写的手稿和分析数据。BM创建的数据和数据分析。HB乌兰巴托设计研究和修订完成的手稿。JT回顾了研究设计和手稿。CG设计研究和修订后的手稿。所有作者的文章和批准提交的版本。

资金

支持这项工作被MED-EL GmbH是一家提供部分。

确认

感谢Marko Takanen有用磋商演讲信息,菲利普·斯皮策的实质性支持eCAP信号处理、有德沙用于创建定制的MATLAB研究工具,两个学生维拉?鸣通商和苏菲Hamkens数据测量,Marko Takanen,斯特凡·特拉和康拉德•施瓦兹的建设性的反馈和审查的一个早期版本的手稿,和帕特里克•康诺利提供英语编辑的手稿。我们想表达谢意,这项研究的参与者的慷慨奉献自己的时间。这项工作的一部分在2021年的会议上提出了植入式听觉假肢。

的利益冲突

LZ, HB、JT和CG受雇于MED-EL GmbH,奥地利的因斯布鲁克。

其余作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fnint.2023.1125712/full补充材料

引用