< Terug naar vorige pagina

Project

Snelle, adaptieve en draagbare auditieve aandachtsdecodering: richting praktische neuraal-gestuurde hoorapparaten

Personen met een hoorapparaat hebben moeite om gesprekken te volgen in rumoerige omgevingen. Daarom zijn hoorapparaten uitgerust met ruisonderdrukkingsalgoritmen. Dergelijke algoritmen falen echter vaak in zogenaamde ‘cocktail-party’ scenario’s met meerdere sprekers, aangezien ze niet weten naar welke spreker de gebruiker wil luisteren en welke spreker(s) als ruis moeten beschouwd worden. Recente studies tonen aan dat het mogelijk is om de gewenste spreker te identificeren door de hersenactiviteit van de gebruiker te decoderen met elektro-encefalografie (EEG). We staan echter nog veraf van een praktische oplossing om deze technologie voor auditieve aandachtsdecodering (AAD) te gebruiken in neuraalgestuurde hoorapparaten omwille van 3 cruciale hindernissen: 1. Huidige AAD algoritmen hebben meer dan 10 seconden EEG data nodig om de aandacht betrouwbaar te decoderen, wat veel te lang is voor praktische toepassingen. 2. Huidige AAD algoritmen zijn niet in staat om zich aan te passen aan de specifieke EEG signalen van de gebruiker. 3. AAD experimenten worden momenteel uitgevoerd met EEG apparaten die ongeschikt zijn voor gebruik in het dagelijkse leven. Dit project zal deze cruciale hindernissen aanpakken door een adaptief, data-gedreven AAD algoritme te ontwerpen dat gebruik maakt van ogenblikkelijke hersenlateralisatie (en hierdoor een snellere decodering toelaat), en waarvoor een gedistribueerde realisatie in een draadloos netwerk van draagbare EEG sensoren mogelijk is.

Datum:7 okt 2020 →  Heden
Trefwoorden:Brain-computer interfaces, EEG signal processing, Hearing aids
Disciplines:Signaalverwerking
Project type:PhD project