Das Signal aus dem Rauschen herausfiltern: Unterstützung für Hörgeschädigte
Wir Menschen werden den ganzen Tag lang mit einer Kakophonie von Geräuschen überschwemmt. Selbst in Umgebungen mit vielen Geräuschen können wir die Richtung einer verhaltensrelevanten Schallquelle – z. B. die Stimmen von Bekannten in einem überfüllten Raum – mit bemerkenswerter Genauigkeit bestimmen. Doch über die neuronalen Mechanismen, die der Berechnung der 3D-Lokalisierung realer, komplexer Geräusche in lauter Umgebung zugrunde liegen, wissen wir nur wenig. Daher sind Cochlea-Implantate (CI) nicht in der Lage, Signale aus dem Rauschen herauszufiltern. Dies führt dazu, dass Hörgeschädigte benachteiligt sind und ihre Lebensqualität, einschließlich ihrer Beschäftigungsmöglichkeiten, eingeschränkt ist. Im Rahmen des durch die Marie-Skłodowska-Curie-Maßnahmen unterstützen Projekts SOLOC wurden computergestützte und experimentelle Methoden eingesetzt, um Einblicke in die Mechanismen zur Schalllokalisierung im Gehirn zu gewinnen. Auf dieser Grundlage sollen Signalverarbeitungsstrategien für Cochlea-Implantate entwickelt werden, die die menschliche Schalllokalisation simulieren können.
Das Signal-Rausch-Problem bei Cochlea-Implantaten
Laut Kiki van der Heijden, Marie-Skłodowska-Curie-Stipendiatin beim Donders Institute for Brain, Cognition and Behaviour an der Radboud University(öffnet in neuem Fenster), das das Projekt koordiniert, „gehen aufgrund der technischen Beschränkungen von CI wichtige zeitliche und spektrale Informationen verloren, wenn die akustischen Signale als Impulse an den Hörnerv der Person mit Cochlea-Implantat übertragen werden. Die daraus resultierende verschlechterte Darstellung der akustischen Umgebung reicht dem Gehirn nicht aus, um relevante Schallquellen herauszufiltern und Hintergrundgeräusche zu unterdrücken.“ Der Erfolg der Cochlea-Implantate bei der Wahrnehmung von Sprache in einer geräuscharmen Umgebung lässt sich nicht auf die erfolgreiche Wahrnehmung von Sprache in einer lauten Umgebung übertragen. „Die Forschung muss sich auf reale Geräusche in ökologisch validen akustischen Umgebungen konzentrieren, um die Schallverarbeitungsstrategien für Hilfsmittel zu optimieren. Ein entscheidender Bestandteil des Projekts war daher die Erstellung einer Datenbank mit verräumlichten, realen Geräuschen, die veröffentlicht werden soll, um die weitere Forschung in den Bereichen Neurowissenschaft, Gehör- und Computermodellierung zu unterstützen“, so van der Heijden weiter.
Von der Neurobiologie inspirierte gefaltete neuronale Netzwerke unterstützen die Filterung von Merkmalen
Das Projekt nutzte seine Datenbank und KI, um die Schallverarbeitung in realen akustischen Umgebungen zu verstehen. Dieses Wissen soll zur Optimierung der Schallverarbeitungsstrategien von Cochlea-Implantaten genutzt werden. Tiefe neuronale Netzwerke sind Algorithmen, die darauf trainiert sind, eine Repräsentation von Daten auf zunehmenden Abstraktionsebenen – oder mit zunehmender „Tiefe“ – zu erlernen, die der Verarbeitung im Gehirn entspricht. Dadurch können sie komplexe, hochdimensionale Aufgaben wie die Identifizierung von Bildern oder die Lokalisierung von Schall meistern. Deep Learning hat sich zum Goldstandard unter den Maschinenlernalgorithmen entwickelt. Gefaltete neuronale Netzwerke sind eine spezielle und sehr erfolgreiche Art von tiefen neuronalen Netzwerken, die durch eine Reihe von Faltungsoperationen wichtige Merkmale aus den Daten herausfiltern. „Wir entwickelten ein von der Neurobiologie inspiriertes gefaltetes neuronales Netzwerk, das mit realen Geräuschen aus unserer Datenbank trainiert wurde. Wir konnten zeigen(öffnet in neuem Fenster), dass das Netzwerk die menschliche Schalllokalisation erfolgreich simulieren kann. Darüber hinaus verwendeten wir invasive intrakranielle Aufnahmen von neurochirurgischen Patientinnen und Patienten, die ein Schallgemisch mit zwei räumlich getrennten Sprechenden hörten, um Einblicke in die Verarbeitung von Sprache in einer lauten Umgebung im Gehirn zu gewinnen“, erläutert van der Heijden.
Von gefalteten neuronalen Netzwerken zu Cochlea-Implantaten: ein Durchbruch für Hörgeschädigte bei der Schalllokalisation
Der Erfolg des Projekts bestätigt, dass multidisziplinäre Forschungsprojekte an der Schnittstelle von Neurowissenschaften, Computermodellierung und klinischer Forschung für die Entwicklung neuer Hilfsmittel von entscheidender Bedeutung sind. SOLOC brachte eine biologisch und ökologisch valide computergestützte Modellierung der räumlichen Schallverarbeitung im menschlichen Gehirn hervor. Diese wird die Optimierung von Algorithmen unterstützen, die die Verfügbarkeit von räumlichen Hinweisen für Hörgeschädigte verbessern und die Verbindung zwischen Gehirn und Umgebung in Cochlea-Implantaten stärken.
Schlüsselbegriffe
SOLOC, Schall, CI, Schalllokalisation, Hörgeschädigte, Cochlea-Implantat, CNN, gefaltetes neuronales Netzwerk, DNN, tiefes neuronales Netzwerk
