助听算法不再只按听力图配增益：闭环训练分别补偿耳蜗与听神经，嘈杂语音HASPIv2达0.92
核心概要
新一代助听器与耳戴设备的个性化补偿不再只依赖听力图规定的增益规则。可微的听觉外周模型被放进闭环，用正常听力与受损听力模拟响应之差训练卷积网络处理器，分别针对外毛细胞增益损失与耳蜗突触病。在单一虚构高频斜坡听力图上，外毛细胞型算法在嘈杂语音下的HASPIv2为0.92，未处理与NAL-NL2分别为0.46和0.53；这些是模型预测分数，尚非患者获益。
深度剖析
助听处理器的训练目标从执行处方增益规则，改为让受损听觉模型的输出尽量贴近正常听力模型的输出，从而可以分别针对外毛细胞增益损失和耳蜗突触病（耳蜗内毛细胞与听神经纤维之间突触的丢失）设计补偿。 传统助听器依靠听力图给出的频率相关增益、宽动态范围压缩以及固定的启动与释放时间，这些预设只能部分补偿外毛细胞造成的增益损失，无法纠正耳蜗与神经损伤带来的复杂失真。 在单一虚构的轻度高频斜坡听力图上，外毛细胞型算法对5秒白噪声测得的传递函数对低声级声音给出更多增益、对高声级声音给出更少增益，并随听力图形状在高频给出比低频更多的增益，在2–3 kHz处增益高于NAL-NL2；NAL-NL2参照在openMHA平台上按快速压缩和52 dB SPL宽带压缩阈配置。
补偿耳蜗突触病的算法不提供增益，反而把声音整体衰减约5–7 dB，同时改变语音波形的时间结构，这与用强输入驱动残余听神经纤维未必有益的判断一致。 外毛细胞型算法走的是放大路线，而突触病型算法走的是时间波形调整路线，两者在同一闭环框架下得到不同的处理策略。 在8个扬声器环绕头与躯干模拟器、目标语音70 dB SPL、babble噪声信噪比−3 dB的录音条件下，突触病型算法的HASPIv2为0.53，接近NAL-NL2的0.53，而未处理语音为0.46；HASPIv2只计入听力图相关的频率选择性与压缩损失，不计入突触病。
把外毛细胞与突触病两种损伤合并训练时，算法在高频提供增益以恢复可听度，但增益低于只补偿外毛细胞的版本，波形也介于两者之间。 合并损伤不是两种策略的简单叠加，闭环优化在可听度恢复与残余听神经驱动之间给出一个折中解。 同一babble噪声条件下，合并型算法的HASPIv2为0.86，高于NAL-NL2的0.53，低于外毛细胞型的0.92；在听神经响应层面，突触病型与合并型都缩小了受损与正常模型之间的差距，尤其在低特征频率处，但无法完全恢复听神经群体响应。
启示与展望
演示范围限于单一虚构的轻度高频斜坡听力图，只覆盖外毛细胞增益损失与耳蜗突触病，未纳入内毛细胞纤毛损伤与血管纹代谢改变；评估为离线处理，HASPIv2为模型预测而非患者测量。
突触病补偿训练只采用每个特征频率仅剩一条高自发放率纤维的极端剖面，作者称这是为评估补偿潜力的上限；人类相位锁定上限取1.5–1.6 kHz仍存争议；模型使用未来上下文，实时应用需在硬件延迟与未来上下文之间权衡，作者称总延迟一般需低于10 ms。