25dga075 10.3205/25dga075 urn:nbn:de:0183-25dga0754 Meeting Abstract Latzel Latzel Matthias M

Sonova AG, R&D, Stäfa, Schweiz

author Heeren Heeren Jan J

Hörzentrum Oldenburg gGmbH, Oldenburg, Deutschland

author Lesimple Lesimple Christophe C

Sonova AG, R&D, Stäfa, Schweiz

author German Medical Science GMS Publishing House

Düsseldorf

610 20250318 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0607 075 Deutsche Gesellschaft für Audiologie e. V. und ADANO 27. Jahrestagung der Deutschen Gesellschaft für Audiologie und Arbeitstagung der Arbeitsgemeinschaft Deutschsprachiger Audiologen, Neurootologen und Otologen Freie Vorträge 10: Hörgeräte Göttingen 20250319 20250321 075 TextEinführung: Seit Einführung der digitalen Signalverarbeitung sind in Hörgeräten Algorithmen umgesetzt, die neben der räumlichen Trennung auch sonstige Signalcharakteristiken nutzen, um das Zielsignal vom Störsignal zu trennen. Diese Algorithmen konnten bisher allerdings nur unwesentlich das Verstehen von Sprache im Störgeräusch verbessern.Mit der Verwendung von künstlicher Intelligenz (KI) in Hörgeräten besteht nun die Möglichkeit, das Nutzsignal so effektiv vom Störsignal zu trennen und hervorzuheben, dass damit neben der Verringerung des Höraufwands auch eine Verbesserung des Sprachverstehens erreicht wird. Ein solches System ist auf der neuen Hörgeräteplattform Infinio von Phonak implementiert worden. In dieser Studie wurde der praktische Nutzen dieses Algorithmus evaluiert.Methode: Es wurden 22 Probanden mit moderatem bis hochgradigem Hörverlust mit Audéo I90-Sphere versorgt, wobei 2 manuelle Programme eingestellt wurden: Programm#1: KI-basierte StörgeräuschbefreiungProgramm#2: Binauraler BeamformerNach einer kurzen Akklimatisierung im Alltag wurde der sogenannte Time Compressed Auditory Day (TCAD) (Heeren et al., 2020) für beide Programme durchgeführt. Der TCAD beschreibt eine Serie audiologischer Tests, die in wechselnden komplexen virtuellen akustischen Situationen zur Stimulation und Messung von Hörermüdung durchgeführt werden. In diesem Beitrag werden die dabei erhobenen Daten zum Sprachverstehen (Concurrent OLSA in einer neuen adaptiven Variante, Spatial OLSA: OLSA mit jedem Wort aus neuer Richtung) und zur Höranstrengung (ACALES) vorgestellt. Die Daten zur Hörermüdung werden separat vorgestellt (Heeren et al., 2024). Nach den audiologischen Tests im Labor wurden beide Programme im Alltag mit Hilfe von einem EMA (Ecological Momentary Assessment) System getestet.Ergebnisse und (erste) Schlussfolgerungen: Die ersten Ergebnisse deuten darauf hin, dass die KI-basierte Störgeräuschbefreiung in den meisten Tests einen teilweise deutlich höheren Nutzen liefert als der bisherige Ansatz. Besonders auffällig ist, dass der KI-Algorithmus in Kommunikationssituationen, in denen mehrere Objekte zur Kommunikation beitragen, die relevanten Objekte deutlich heraushebt. Heeren J Lesimple C Latzel M Wagener KC Unterschiede in der Hörermüdung mit KI-basierter Störgeräuschunterdrückung und binauralem Beamformer 2025 27. Jahrestagung der Deutschen Gesellschaft für Audiologie; 2025 Mar; Göttingen, Deutschland Heeren J, Lesimple C, Latzel M, Wagener KC. Unterschiede in der Hörermüdung mit KI-basierter Störgeräuschunterdrückung und binauralem Beamformer. 27. Jahrestagung der Deutschen Gesellschaft für Audiologie; 2025 Mar; Göttingen, Deutschland. Heeren J Schulte M Latzel M Wagener KC Der zeitlich komprimierte akustische Tag 2020 23. Jahrestagung der Deutschen Gesellschaft für Audiologie. Köln, 03.-04.09.2020 Heeren J, Schulte M, Latzel M, Wagener KC. Der zeitlich komprimierte akustische Tag. Deutsche Gesellschaft für Audiologie e.V.. 23. Jahrestagung der Deutschen Gesellschaft für Audiologie. Köln, 03.-04.09.2020. Düsseldorf: German Medical Science GMS Publishing House; 2020. Doc146 0 0 0 0