Artificial Intelligence and Hearing Disorders
Author:
Shukuryan M. A.1, Diab H. M. А.2, Shukuryan L. A.3, Levin S. V4, Shukuryan A. K.1
Affiliation:
1. ENT Department, Yerevаn State Medical University 2. Ear diseases and Skill Base Surgery Department, Russian Federal Research Clinical Centre of Otorhinolaryngolog 3. KIND-Art, Sajat-Nova str.15, ap.64, 0001, Yerevan, Armenia 4. St.Peterburg ENT and Speech Research Institute
Abstract
Искусственный интеллект (ИИ) сегодня используется во многих целях и присутствует практически в каждом доме, и мы постепенно становимся поколением автоматизированного ИИ. Как отмечается в статье, ИИ в слуховых аппаратах может значительно улучшить качество прослушивания для людей с потерей слуха. Автоматизация слуховых аппаратов совершает скачок, и чтобы слуховые аппараты были успешными, они должны хорошо адаптироваться к потребностям слуха пользо-вателя, а также решать такие проблемы, как фоновый шум. Автоматизированные функции слуховых аппаратов действительно помогли владельцам получить доступ к лучшему звуку. Слуховые аппараты с возможностями ИИ могут анализировать и адаптироваться к среде прослушивания пользователя в режиме реального времени, автоматически регулируя громкость и частоту звука для оптимизации восприятия звука. Это может быть особенно полезно в шумной обстановке, где традиционные слуховые аппараты могут с трудом различать важные звуки и фоновый шум. В некоторых слуховых аппаратах используются датчики для сбора данных о привычках пользователя в окружающей среде, которые могут быть проанализированы алгоритмами ИИ для выявления закономерностей и тенденций. Эту информацию можно использовать для оптимизации настроек слухового аппарата для пользователя или оповещения пользователя и его поставщика медицинских услуг о любых изменениях в состоянии его слуха. Таким образом, слуховые аппараты с ИИ открывают путь к улучшению качества слуха и, возможно, к другим революционным прорывам, поскольку они перенимают процессы существующих потребительских технологий. Несомненно, что в конечном счете, решение об использовании слухового аппарата с технологией искусственного интеллекта должно основываться на индивидуальных потребностях и предпочтениях.
Արհեստական բանականությունը(ԱԲ) այսօր օգտագործվում է տարբեր նպատակներով և առկա է գրեթե յուրաքանչյուրի տանը, և մենք աստիճա-նաբար դառնում ենք ավտոմատացված ԱԲ-ի սերունդ: Ինչպես նշվում է հոդվածում, ԱԲ-ն լսողական սարքերում կարող է զգալիորեն բարելավվել լսողության ընկալումը լսողության կորուստ ունեցող մարդկանց համար: Լսողական ապարատի ավտոմատացումը թռիչք է կատարում, և որպեսզի լսողական սարքերն արդյունավետ լինեն, դրանք պետք է լավ հարմարվեն կրողի լսողության կարիքներին, ինչպես նաև լուծեն այնպիսի խնդիրներ, ինչպիսին է ֆոնային աղմուկը: Լսողական սարքերի ավտոմատացված գործառույթներն իսկապես օգնել են կրողներին ավելի լավ ձայն ընկալել: ԱԲ-ի հնարավորություններով լսողական սարքերը կարող են իրատեսական ժամանակում վերլուծել և հարմարվել օգտատիրոջ լսողական միջավայրին՝ ավտոմատ կարգավորելով ձայնը և հաճախականությունը՝ լսելու փորձն օպտիմալացնելու համար: Սա կարող է հատկապես օգտակար լինել աղմկոտ միջավայրերում, որտեղ ավանդական լսողական սարքերը կարող են դժվարությամբ տարբերել կարևոր ձայները ֆոնային աղմուկից:
Publisher
National Academy of Sciences of the Republic of Armenia
Reference36 articles.
1. Корнеенков А.А., Вяземская Е.А., Левин С.В., Скирпичников И.Н. Пространственный кластерный анализ в моделировании доступности медицинской помощи пожилым пациентам с нарушениями слуха. Российская оториноларингология. 2021, 20,6(11500), с. 8-19. 2. Левин С.В., Лиленко А.С., Левина Е.А., Кузовков В.Е., Шукурян М.А. Тонотопическая настройка слухового процессора кохлеарного импланта при нормальной анатомии улитки. 2023, 17(17), с.124-130. 3. Левин С.В., Наркевич А.Н., Янов Ю.К., Вахрушев С.Г., Кузовков В.Е., Левина Е.А. и др. Настройка речевых процессоров с применением алгоритмов нейросетевой системы.Consilium Medicum. 2018, vol.20(3), 73-76. 4. Al-Dhief F.T., Latiff N.M.A., Malik N.N.N.A., Salim N.S., Baki M.M., Albadr M.A.A., Mohammed M.A. A Survey of Voice Pathology Surveillance Systems Based on Internet of Things and Machine Learning Algorithms. IEEE Access 2020, 8, 64514–64533. 5. Anwar M.N., Oakes M.P. Data mining of audiology patient records: Factors influencing the choice of hearing aid type. BMC Med. Inform. Decis. Mak., 2012, 12, S6.
|
|