Naar inhoud springen

Gebruiker:Jwasmann/Computational audiology

Uit Wikipedia, de vrije encyclopedie

Computational audiology is een tak van audiologie die technieken uit de wiskunde en informatica gebruikt om klinische behandelingen en wetenschappelijk begrip van het auditieve systeem te verbeteren. Computational audiology is nauw verwant aan computationele geneeskunde, dat kwantitatieve modellen gebruikt om methoden te ontwikkelen voor diagnose en behandeling van ziekten. [1]

Overzicht[bewerken | brontekst bewerken]

In tegenstelling tot traditionele methoden in audiologie en gehooronderzoek legt computational audiology de nadruk op modellering op basis van grootschalige analyse ("big data") in plaats van hypothesetesten in kleine cohorten. Een van de doelen van computational audiology is om de vooruitgang in gehooronderzoek, data-science, informatietechnologie en machine learning te vertalen naar klinisch toepasbare audiologische zorg. Er zijn twee stromen te onderscheiden: onderzoek om de gehoorfunctie en auditieve verwerking bij mensen en relevante diersoorten te begrijpen, en onderzoek en ontwikkeling om effectievere diagnostiek en behandelingen te implementeren.

Voor mensen met gehoorproblemen, tinnitus, hyperacusis of evenwichtsproblemen kan deze vooruitgang leiden tot nauwkeurigere diagnoses, nieuwe therapieën en geavanceerde revalidatieopties, waaronder slimme hoortoestellen en e-Health/mHealth-apps. Voor zorgverleners kan computational audiology bruikbare kennis en hulpmiddelen bieden voor het automatiseren en doelmatiger maken van (een deel) van de klinische zorg. [2]

Het onderzoeks- en zorgveld "gehoor" is interdisciplinair en is gestut op fundamenten in de audiologie, auditieve neurowetenschappen, informatica, datawetenschap, machine learning, psychologie, signaalverwerking, taalverwerving en verwerkking en vestibulologie .

Toepassingen[bewerken | brontekst bewerken]

In computational audiology worden modellen en algoritmen gebruikt om de het auditieve systeem beter te beschrijven, om te screenen op gehoorverlies, om gehoorstoornissen te diagnosticeren, maar ook om gehoorrevalidatie te bieden en om simulaties te genereren voor onder meer uitleg aan patiënten.

Computationele modellen van gehoor, spraak en auditieve waarneming[bewerken | brontekst bewerken]

Big data en AI in audiologie en hoorzorg[bewerken | brontekst bewerken]

Methoden om de revalidatie door gehoorimplantaten te verbeteren, zijn onder meer het verbeteren van de muziekperceptie, [3] modellen van de elektrode-neuron-interface, [4] en een op AI gebaseerde cochleaire implantaataanpassingsassistent. [5]

Op gegevens gebaseerd onderzoek naar gehoorverlies en tinnitus[bewerken | brontekst bewerken]

Online-enquêtes verwerkt met op ML gebaseerde classificatie zijn gebruikt om somatosensorische tinnitus te diagnosticeren. [6] Geautomatiseerde NLP-technieken, zonder toezicht en onder toezicht Machine Learning zijn gebruikt om sociale berichten over tinnitus te analyseren en de heterogeniteit van symptomen te analyseren. [7] [8]

.

Software en hulpmiddelen[bewerken | brontekst bewerken]

Gerelateerde velden[bewerken | brontekst bewerken]

Computationele biologie, computationele geneeskunde en computationele pathologie zijn allemaal interdisciplinaire benaderingen van de biowetenschappen die gebruik maken van kwantitatieve disciplines zoals wiskunde en informatiewetenschap .

Zie ook[bewerken | brontekst bewerken]

Referenties[bewerken | brontekst bewerken]

  1. ↑ Winslow, Raimond L. (31 October 2012). Computational Medicine: Translating Models to Clinical Care. Science Translational Medicine 4 (158): 158rv11. PMID 23115356. PMC 3618897. DOI: 10.1126/scitranslmed.3003528.
  2. ↑ Wasmann, Jan-Willem A. (November–December 2021). Computational Audiology: New Approaches to Advance Hearing Health Care in the Digital Age. Ear and Hearing 42 (6): 1499–1507. PMID 33675587. PMC 8417156. DOI: 10.1097/AUD.0000000000001041.
  3. ↑ Tahmasebi, Sina (2020). Design and Evaluation of a Real-Time Audio Source Separation Algorithm to Remix Music for Cochlear Implant Users. Frontiers in Neuroscience 14. ISSN: 1662-453X. PMID 32508564. DOI: 10.3389/fnins.2020.00434.
  4. ↑ (en) Garcia, Charlotte (1 oktober 2021). The Panoramic ECAP Method: Estimating Patient-Specific Patterns of Current Spread and Neural Health in Cochlear Implant Users. Journal of the Association for Research in Otolaryngology 22 (5): 567–589. ISSN: 1438-7573. PMID 33891218. PMC 8476702. DOI: 10.1007/s10162-021-00795-2.
  5. ↑ Battmer, Rolf-Dieter (1 maart 2015). Assessment of 'Fitting to Outcomes Expert' FOX™ with new cochlear implant users in a multi-centre study. Cochlear Implants International 16 (2): 100–109. ISSN: 1467-0100. PMID 25118042. DOI: 10.1179/1754762814Y.0000000093.
  6. ↑ Michiels, Sarah (14 juli 2021). Somatosensory Tinnitus Diagnosis: Diagnostic Value of Existing Criteria. Ear & Hearing 43 (1): 143–149. ISSN: 1538-4667. PMID 34261856. DOI: 10.1097/aud.0000000000001105.
  7. ↑ Palacios, Guillaume (2020). Assessing the Heterogeneity of Complaints Related to Tinnitus and Hyperacusis from an Unsupervised Machine Learning Approach: An Exploratory Study. Audiology and Neurotology 25 (4): 174–189. ISSN: 1420-3030. PMID 32062654. DOI: 10.1159/000504741.
  8. ↑ (en) What can we learn about tinnitus from social media posts?. Computational Audiology (7 juni 2021). Geraadpleegd op 20 januari 2022.

[[Categorie:Computationele wetenschap]]

Overgenomen van "https://nl.wikipedia.org/w/index.php?title=Gebruiker:Jwasmann/Computational_audiology&oldid=63174445"