Naar een wereld waarin er door iedereen gehoord wordt: gehoorimplantaten automatisch afstellen
Bijna tien procent van de Belgen lijdt aan gehoorverlies. Gelukkig kunnen gehoorapparaten vaak helpen, maar wat als die niet langer voldoende zijn? In dat geval kunnen gehoorimplantaten personen met ernstig gehoorverlies opnieuw laten horen. Net als de sterkte van je brilglazen moet je zulke gehoorimplantaten nauwkeurig afstellen op de noden van de drager. Dat blijkt een lastige en tijdrovende zaak, maar kan technologie daar niet bij helpen?
Gehoorimplantaten in een notendop
Een klassiek hoorapparaat versterkt het geluid om je heen. Helaas is die geluidsversterking onvoldoende als je erg hardhorig of zelfs doof bent. In dat geval kan een gehoorimplantaat, en meer specifiek een cochleair implantaat, een oplossing bieden. Zo’n cochleair implantaat vangt het geluid op met een microfoon, en zet het om in een reeks elektrische pulsen die je gehoorzenuw rechtstreeks prikkelen. Op die manier kan je toch opnieuw horen!
Maar hoe sterk die elektrische pulsen precies moeten zijn om spraak opnieuw duidelijk verstaanbaar te maken is erg persoonlijk. Het implantaat moet dus nauwkeurig afgesteld worden, net zoals de sterkte van je brilglazen. Een audioloog stuurt daarom telkens een elektrische puls naar het implantaat, en vraagt hoe luid je dat geluid waarneemt. Op basis van je antwoorden stelt de audioloog je implantaat perfect af. Maar hoe pak je dat aan bij personen die geen betrouwbare antwoorden kunnen geven, zoals jonge kinderen? Voor kinderen met gehoorimplantaten betekent zo’n implantaat vaak een betere taalontwikkeling en opent het de deur naar het reguliere onderwijs. Het is dus cruciaal dat het implantaat ook bij hen goed kan worden afgesteld.
Gedachten lezen om te weten of je een geluid hoort
Om erachter te komen of iemand zo’n elektrische puls waarneemt, wordt een elektro-encefalogram gebruikt, ook wel EEG genoemd. Daarbij wordt een speciale muts met elektroden op het hoofd geplaatst om de elektrische activiteit in je hersenen te meten. Wanneer een normaalhorend persoon een pieptoon hoort, verschijnt er een responssignaal in zijn EEG, maar alleen als hij die toon daadwerkelijk waarneemt. Hoort hij de pieptoon niet, dan blijft dat responssignaal uit. Hoe luider de pieptoon wordt waargenomen, des te groter wordt het responssignaal, zoals getoond op onderstaande figuur. Dit responssignaal kan je dus gebruiken om te meten of iemand een geluid hoort, zonder dat die persoon dat hoeft te vertellen. Dit is de sleutel tot een automatische afstelling van het implantaat!
Met behulp van het EEG kan je automatisch achterhalen of iemand een pieptoon waarneemt
Maar er is een probleem… het stoorsignaal
Echter, bij personen met een cochleair implantaat verschijnt in het EEG niet alleen het responssignaal, maar ook een stoorsignaal dat afkomstig is van de elektrische pulsen van het implantaat zelf. Dat hoeft niet te verbazen: EEG meet elektrische signalen, en zowel de hersenactiviteit als de pulsen zijn elektrisch.
Dat stoorsignaal is wel honderd tot duizend keer sterker dan het responssignaal. Daardoor is het opgemeten EEG gedomineerd door dit stoorsignaal, en is het onduidelijk of er nu een responssignaal aanwezig is. Onderstaande figuur illustreert zo’n EEG-signaal. Het lijkt haast onmogelijk om het responssignaal te detecteren in het gemeten EEG-signaal… Maar kan slimme technologie ons niet helpen in de zoektocht naar dat responssignaal?
In het EEG-signaal van personen met een cochleair implantaat verbergt het stoorsignaal het responssignaal, dat gedetecteerd moet worden voor een automatische afstelling
Hoe ziet zo’n stoorsignaal eruit?
Mijn scriptie onderzocht de kenmerken van het stoorsignaal, om het zo te kunnen scheiden van het responssignaal dat we proberen te detecteren. Daarvoor werd een wiskundig model van de elektrische pulsen ontwikkeld die het stoorsignaal veroorzaken. Dit model beschrijft hoe het stoorsignaal zich gedraagt en laat toe de kenmerken ervan in kaart te brengen.
In tegenstelling tot bestaande modellen, houdt het nieuw ontwikkelde model rekening met praktische aspecten die in realiteit optreden. Zo gedraagt de elektronica die de elektrische puls genereert zich niet perfect, en moet die puls verder ook voldoen aan strikte veiligheidseisen om de gehoorzenuw niet te beschadigen. Door deze aspecten mee te nemen in het model, kunnen de eigenschappen van het stoorsignaal beter beschreven worden.
Om het nieuwe model te toetsen, werd het EEG opgemeten op een replica van een menselijk hoofd met een cochleair implantaat. Omdat zo’n replica natuurlijk geen responssignaal of hersenactiviteit kan produceren, wordt zo uitsluitend het stoorsignaal opgemeten. Dat gemeten stoorsignaal vertoonde kenmerken die enkel door het nieuwe model konden worden verklaard. Deze metingen tonen dus aan dat het nieuw ontwikkelde model het stoorsignaal nauwkeuriger beschrijft. Maar is dat voldoende om het responssignaal te detecteren in de aanwezigheid van het stoorsignaal?
Respons- en stoorsignaal slim scheiden
Om daarachter te komen, werden drie algoritmes ontwikkeld die een responssignaal detecteren in het EEG-signaal. Conceptueel gaat elk algoritme op dezelfde manier te werk: het algoritme gaat op zoek naar de typische kenmerken van het stoor- en responssignaal. Op basis daarvan splitst het algoritme het EEG-signaal op en bepaalt het of er een responssignaal aanwezig is. Voor de kenmerken van het stoorsignaal steunen de algoritmes op het nieuw ontwikkelde model, terwijl voor de kenmerken van het responssignaal beroep wordt gedaan op de medische literatuur.
De drie algoritmes verschillen van elkaar in welke en hoeveel verschillende kenmerken ze gebruiken. Daardoor is het ene algoritme erg snel maar minder accuraat, terwijl het andere trager maar nauwkeuriger werkt. Hoewel de algoritmes niet perfect zijn, tonen ze alvast veelbelovende resultaten op een dataset van tien personen met een cochleair implantaat.
Op weg naar een wereld waarin er door iedereen gehoord wordt
Een robuuste detectie van het responssignaal laat toe de afstelling van cochleaire implantaten te automatiseren. Op die manier kan iedereen met een cochleair implantaat geholpen worden. Het nieuw ontwikkelde model van het stoorsignaal vormt samen met de drie voorgestelde algoritmes een belangrijke stap voorwaarts in de zoektocht naar zo’n robuust detectiealgoritme. Toch is verder onderzoek nodig om de modellen verder te verfijnen, en zo de nauwkeurigheid van de detectiealgoritmes verder op te drijven. Maar een wereld waarin er door iedereen gehoord wordt, dat klinkt niet langer als toekomstmuziek.
Bibliografie
[1] How to express the $n$th power of the cosine as a series of cosines? — math.stackexchange.com. https://math.stackexchange.com/questions/4300731/how-to-express-the-nth…. [Accessed 04-06-2024].
[2] V. Attina, F. Mina, P. Stahl, Y. Duroc, E. Veuillet, E. Truy, and H. Thai-Van. A new method to test the efficiency of cochlear implant artifacts removal from auditory evoked potentials. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 25(12):2453–2460, 2017.
[3] A. Bahmer, S. Pieper, and U. Baumann. Evaluation of an artifact reduction strategy for electrically evoked auditory steady-state responses: Simulations and measurements. Journal of neuroscience methods, 296:57–68, 2018.
[4] A. Bertrand. Data-driven filter design for biomedical sensor arrays; part i.1: Introduction to biomedical sensor arrays linear estimation theory. https://p.cygnus.cc.kuleuven.be/bbcswebdav/pid-36591936-dt-content-rid-…, 2023. Accessed: 202022-05.
[5] T. Boons, J. P. Brokx, I. Dhooge, J. H. Frijns, L. Peeraer, A. Vermeulen, J. Wouters, and A. Van Wieringen. Predictors of spoken language development following pediatric cochlear implantation. Ear and hearing, 33(5):617–639, 2012.
[6] S. Boyd, Y. Tang, and L. Chua. Measuring volterra kernels. IEEE transactions on circuits and systems, 30(8):571–577, 1983.
[7] K. Bushby, T. Cole, J. Matthews, and G. JA. Centiles for adult head circumference. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1793909/, Oct. 1992. [Accessed 01-05-2024].
[8] N. Castaneda-Villa and C. James. Objective source selection in blind source separation of aeps in children with cochlear implants. In 2007 29th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pages 6223–6226. IEEE, 2007.
[9] C. Cheng, Z. Peng, W. Zhang, and G. Meng. Volterra-series-based nonlinear system modeling and its engineering applications: A state-of-the-art review. Mechanical Systems and Signal Processing, 87:340–364, 2017.
[10] M. X. Cohen. Analyzing neural time series data: theory and practice. MIT press, 2014.
[11] W. Commons. File:international 10-20 system for eeg-mcn.png — wikimedia commons, the free media repository, 2022. [Online; accessed 21-May-2024].
[12] W. Commons. File:cochleaimplantat.jpg — wikimedia commons, the free media repository, 2024. [Online; accessed 20-May-2024].
[13] L. W. Couch II. Digital and Analog Communciation Systems. Pearson, 2013.
[14] H. Deprez. Cochlear implant artifact suppression in EEG measurements. https://theses.eurasip.org/media/theses/documents/deprez-hanne-cochlear…. [Accessed 16-04-2024].
[15] H. Deprez, R. Gransier, M. Hofmann, A. van Wieringen, J. Wouters, and M. Moonen. Template subtraction to remove ci stimulation artifacts in auditory steady-state responses in ci subjects. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 25(8):1322–1331, 2016.
[16] H. Deprez, R. Gransier, M. Hofmann, A. van Wieringen, J. Wouters, and M. Moonen. Characterization of cochlear implant artifacts in electrically evoked auditory steady-state responses. Biomedical Signal Processing and Control, 31:127–138, 2017.
[17] H. Deprez, R. Gransier, M. Hofmann, A. van Wieringen, J. Wouters, and M. Moonen. Independent component analysis for cochlear implant artifacts attenuation from electrically evoked auditory steady-state response measurements. Journal of Neural Engineering, 15(1):016006, 2017.
[18] I. EMBS. The Modern Cochlear Implant - IEEE Pulse — embs.org. https://www.embs.org/pulse/articles/modern-cochlear-implant/, Mar. 2017. [Accessed 19-04-2024].
[19] M. O. Franz and B. Schölkopf. A unifying view of wiener and volterra theory and polynomial kernel regression. Neural computation, 18(12):3097–3118, 2006.
[20] P. M. Gilley, A. Sharma, M. Dorman, C. C. Finley, A. S. Panch, and K. Martin. Minimization of cochlear implant stimulus artifact in cortical auditory evoked potentials. Clinical Neurophysiology, 117(8):1772–1782, 2006.
[21] R. Gransier, H. Deprez, M. Hofmann, M. Moonen, A. van Wieringen, and J. Wouters. Auditory steady-state responses in cochlear implant users: Effect of modulation frequency and stimulation artifacts. Hearing research, 335:149-160, 2016.
[22] F. Guérit, J. M. Deeks, D. Arzounian, R. Gransier, J. Wouters, and R. P. Carlyon. Using interleaved stimulation and eeg to measure temporal smoothing and growth of the sustained neural response to cochlear-implant stimulation. Journal of the Association for Research in Otolaryngology, 24(2):253–264, 2023.
[23] C. Guger, G. Krausz, B. Z. Allison, and G. Edlinger. Comparison of dry and gel based electrodes for p300 brain–computer interfaces. Frontiers in neuroscience, 6:25155, 2012.
[24] L. F. Heffer and J. B. Fallon. A novel stimulus artifact removal technique for highrate electrical stimulation. Journal of neuroscience methods, 170(2):277–284, 2008.
[25] M. Hofmann and J. Wouters. Electrically evoked auditory steady state responses in cochlear implant users. Journal of the Association for Research in Otolaryngology, 11:267–282, 2010.
[26] D. Horn and H. Sakano. Journey into the world of hearing, Sep 2016.
[27] H. Hu and S. D. Ewert. Exploring artifact rejection for high-pulse rate electrically evoked auditory steady state responses in cochlear implants users. In 2021 Asia-Pacific signal and information processing association annual summit and conference (APSIPA ASC), pages 1311–1316. IEEE, 2021.
[28] C. Q. Huang, R. K. Shepherd, P. Center, P. M. Seligman, and B. Tabor. Electrical stimulation of the auditory nerve: direct current measurement in vivo. IEEE transactions on biomedical engineering, 46(4):461–469, 1999.
[29] A. Hunold, R. Machts, and J. Haueisen. Head phantoms for bioelectromagnetic applications: A material study. Biomedical engineering online, 19:1–14, 2020.
[30] P. V. Incerti, T. Y. Ching, S. Hou, P. Van Buynder, C. Flynn, and R. Cowan. Programming characteristics of cochlear implants in children: effects of aetiology and age at implantation. International Journal of Audiology, 57(sup2):S27–S40, 2018.
[31] X. Lei and K. Liao. Understanding the influences of eeg reference: a large-scale brain network perspective. front. neurosci. 11, 205, 2017.
[32] X. Li, K. Nie, F. Karp, K. L. Tremblay, and J. T. Rubinstein. Characteristics of stimulus artifacts in eeg recordings induced by electrical stimulation of cochlear implants. In 2010 3rd International Conference on Biomedical Engineering and Informatics, volume 2, pages 799–803, 2010.
[33] R. Luke, A. De Vos, and J. Wouters. Source analysis of auditory steady-state responses in acoustic and electric hearing. Neuroimage, 147:568–576, 2017.
[34] R. Luke and J. Wouters. Kalman filter based estimation of auditory steady state response parameters. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 25(3):196–204, 2016.
[35] C. M. McKay, K. Chandan, I. Akhoun, C. Siciliano, and K. Kluk. Can ecap measures be used for totally objective programming of cochlear implants?Journal of the Association for Research in Otolaryngology, 14:879–890, 2013.
[36] O. Nelles and O. Nelles. Nonlinear dynamic system identification. Springer, 2020.
[37] NIDCD. Quick Statistics About Hearing, Balance, & Dizziness — nidcd.nih.gov.
https://www.nidcd.nih.gov/health/statistics/quick-statistics-hearing, Mar. 2024. [Accessed 19-04-2024].
[38] T. W. Picton, M. S. John, A. Dimitrijevic, and D. Purcell. Human auditory steady-state responses: Respuestas auditivas de estado estable en humanos. International journal of audiology, 42(4):177–219, 2003.
[39] J. Schott, R. Gransier, J. Wouters, and M. Moonen. Electrically evoked auditory steady state response detection in cochlear implant recipients using a system identification approach. In 2022 30th European Signal Processing Conference (EUSIPCO), pages 1243–1247, 2022.
[40] J. Schott, R. Gransier, J. Wouters, and M. Moonen. Detection of electrically evoked auditory steady-state responses in cochlear-implant recipients with a system identification based method. IEEE Transactions on Biomedical Engineering, 71(3):738–749, 2024.
[41] J. Schoukens and L. Ljung. Nonlinear system identification: A user-oriented road map. IEEE Control Systems Magazine, 39(6):28–99, 2019.
[42] W. H. Shapiro and T. S. Bradham. Cochlear implant programming. Otolaryngologic Clinics of North America, 45(1):111–127, 2012.
[43] H. Skyvulstad, Ø. W. Petersen, T. Argentini, A. Zasso, and O. Øiseth. Regularised volterra series models for modelling of nonlinear self-excited forces on bridge decks. Nonlinear Dynamics, 111(14):12699–12731, 2023.
[44] B. Somers. Towards closed-loop cochlear implants: interfacing hearing prostheses with the brain, 2020-11-19.
[45] C. J. Struck. Group delay, 2007.
[46] G. Thompson and W. R. Wilson. Clinical application of visual reinforcement audiometry. In Seminars in Hearing, volume 5, pages 85–98. Copyright© 1984 by Thieme Medical Publishers, Inc., 1984.
[47] A. Volta. On the electricity excited by the mere contact of conducting substances of different kinds. Philosophical Transactions of the Royal Society of London, 90:403431, Dec 1800.
[48] WHO. Deafness and hearing loss. https://www.who.int/news-room/fact-sheets/detail/deafness-and-hearing-l…, Feb. 2024. [Accessed 16-04-2024].
[49] W. Wimmer, L. Sclabas, M. Caversaccio, and S. Weder. Cochlear implant electrode impedance as potential biomarker for residual hearing. Frontiers in neurology, 13:886171, 2022.
[50] J. Wouters, H. J. McDermott, and T. Francart. Sound coding in cochlear implants: From electric pulses to hearing. IEEE Signal Processing Magazine, 32(2):67–80, 2015.
[51] F.-G. Zeng, S. Rebscher, W. Harrison, X. Sun, and H. Feng. Cochlear implants: system design, integration, and evaluation. IEEE reviews in biomedical engineering, 1:115–142, 2008.
