Analyse der auditorischen Kontrolle der Stimmgebung bei Schwerhörigkeit mit Methoden des Maschinellen Lernens

• Antragsteller: Professor Dr.-Ing. Michael Döllinger; Professor Dr.-Ing. Ulrich Hoppe
• Fachliche Zuordnung: Hals-Nasen-Ohrenheilkunde, Phoniatrie und Audiologie ; Akustik
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 511281818

Der Sprechvorgang ist ein komplexer Prozess, bei dem einerseits die Koordination zwischen Atmung, laryngealer und oraler Motorik gegeben sein muss und andererseits auch zusätzlich zentral gesteuerte somatosensorische und auditorische Aufgaben bewältigt werden müssen. Die auditorische Rückkopplung spielt hierbei eine wichtige Rolle in der Kontrolle der Sprechmotorik. Dieser gesamte Kontroll- und Koordinationsprozess wird im englisch sprachigen Raum und im wissenschaftlichen Kontext als Speech-Motor-Control (SMC) bezeichnet. Es ist allgemein bekannt, dass auditive Deprivation durch Hörstörungen eine signifikante Verschlechterung der artikulatorischen Fähigkeiten, insbesondere der auditorischen Rückkopplung mit sich bringen kann. Die neurologischen Zusammenhänge sind hierbei jedoch noch bei weitem nicht verstanden.Der zentrale Gegenstand der Studie ist die Untersuchung des Einflusses von Schwerhörigkeit auf die Steuerung der Sprechmotorik (Speech-Motor-Control); d.h. wie wirkt sich ein gestörter auditorischer Input auf audio-kinästhetische Prozesse aus. Um dies zu untersuchen, wird ein Multi-Sensor Versuchsaufbau verwendet, bei dem alle beteiligten physiologischen Komponenten berücksichtigt und deren Vorgänge aufgezeichnet werden: Elektroenzephalographie (EEG), akustisches Stimmsignal und die direkte Beobachtung der laryngealen Vorgänge mittels Hochgeschwindigkeitsendoskopie. Durch die Analyse der multi-Sensordaten werden Zusammenhänge zwischen Perzeption und Motorik aufgedeckt. Der sogenannte Pitch-Shift-Reflex (PSR) wird in diesen Untersuchungen als Paradigma zur Untersuchung der Steuerung der Sprechmotorik verwendet.Es werden Daten von Normalhörigen und schwerhörigen Patienten erhoben. Methoden des maschinellen Lernens werden verwendet, um physiologisch interpretierbare Parameter in den Multisensordaten zu identifizieren, die die Sprechmotorikkontrolle definieren. Hierzu werden parameter- bzw. datengetriebene Verfahren des maschinellen Lernens untersucht. Dies führt zu klinisch relevanten Parametern, die die Verschlechterung der Sprechmotorikkontrolle repräsentieren. Diese werden mit audiologischen Kennwerten wie Ausmaß, Dauer und Frequenzverlauf der Hörstörung, Alter, Frequenzauflösungsvermögen und Sprachverstehensleistungen korreliert. Durch den Vergleich der Veränderungen des PSR mit audiologischen Kennwerten erwarten wir ein umfangreiches Verständnis von Form und Ausmaß des Verlustes der Sprechmotorikkontrolle bedingt durch auditorische Hörverschlechterung Innovative wissenschaftliche Aspekte des Projekts sind (1) die Verwendung endoskopischer Hochgeschwindigkeitsbildgebung zur direkten Visualisierung der laryngealen Vorgänge; (2) Verwendung von Methoden des maschinellen Lernens zur Aufdeckung von Unterschieden der Sprechmotorikkontrolle in den Multisensordaten zwischen Normalhörenden und Schwerhörigen. (3) Multiregressionsanalyse zur Identifizierung von Zusammenhängen zwischen SMC-Parametern und audiologischen Kennwerten.

• DFG-Verfahren: Sachbeihilfen