Artikel
Störschallunterdrückungsalgorithmus ForwardFocus – audiometrische Testergebnisse
Suche in Medline nach
Autoren
Veröffentlicht: | 28. November 2019 |
---|
Gliederung
Text
Fragestellung: Der neu entwickelte ForwardFocus-Algorithmus zielt darauf ab, Störschall und Sprache aufgrund der zusätzlichen Verwendung der Mikrofon-Richtwirkung zu trennen. In dieser Studie wurde die Wirksamkeit dieser Methode zur Störschallminderung in Bezug auf das Sprachverstehen von CI-Patienten untersucht. Dazu wurde das Verstehen in verschiedenen Störschall-Umgebungen untersucht:
- für stationäres und moduliertes Rauschen,
- bei frontaler und räumlich getrennter Anordnung der Sprache und der Störschallquelle.
Methoden: Bei 18 erwachsenen, postlingual ertaubten CI-Patienten (Cochlear Ltd.) wurden die Störschallunterdrückungsalgorithmen Beam und ForwardFocus hinsichtlich der Sprachverständlichkeit für Sätze im Lärm intraindividuell verglichen. Dabei wurden verschiedene akustische Bedingungen (Oldenburger stationäres sprachsimulierendes und moduliertes Icra-Rauschen; unterschiedliche Signalposition: S0N0; S0N90;-N180;-N270) untersucht. Die Untersuchung des Sprachverstehens erfolgte für jeden Störschallunterdrückungsalgorithmus nach einer 2-3-wöchigen Akklimatisierungsphase.
Ergebnisse: Mit dem ForwardFocus-Algorithmus wurde ein verbessertes Sprachverstehen im Vergleich zu Beam bei frontaler Präsentation sowohl für stationäre als auch für fluktuierende konkurrierende Signale gefunden (p<0,001). In räumlich getrennten Hörumgebungen lieferte ForwardFocus signifikante Verbesserungen des Verstehens für 3-Talker-Signale (p<0,001).
Schlussfolgerungen: Es konnte nachgewiesen werden, dass ForwardFocus das Sprachverstehen in verschiedenen räumlichen und zeitlichen Hörumgebungen erheblich verbessert. Dies zeigt das Potenzial, das Sprachverständnis für bestimmte Hörsituationen zu verbessern, indem spezifische SmartSound-Optionen angeboten werden. Angesichts der klinisch relevanten Ergebnisse in akustisch anspruchsvollen Umgebungen mit dynamischem Lärm kann diese Technologie zu Verbesserungen beim Verstehen mit CI-Systemen in der realen Welt beitragen.