Machine Learning for Speech/Audiometry Prediction and Multimodal fNIRS Interpretation
연구 내용
청각 데이터와 fNIRS 신호를 활용해 음성지각 패턴과 청력평가 결과를 예측하고 임상 적용 가능성을 검토하는 연구
음성 이해와 청력 손실(Hearing loss)에 따른 인지 처리 차이를 객관 신호로 추적하기 위해 fNIRS 기반 활성 패턴 분석을 수행합니다. 청각 조건(AO), 시각 조건(VO), 청각-시각 결합(AV)에서 전전두 영역의 혈역학 반응을 비교하고, 개별 감각 입력이 음성지각에 미치는 영향을 해석 가능한 방식으로 정리합니다. 동시에 순음청력검사 PTA 자료로부터 speech audiometry(SA) 결과를 다중 분류 모델로 예측하여 검사 소요와 자원 부담을 낮추는 방향을 추구합니다. 머신러닝 계열 모델의 성능 특성과 오류 분포를 기반으로 후속 고도화 포인트를 도출합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 fNIRS를 이용해 정상청 및 청력손실 집단의 음성지각 관련 활성 패턴을 조건별로 관찰하고, 감각 입력 조합에 따른 혈역학 반응 차이를 비교하는 방식으로 근거를 마련했습니다. 이후에는 순음청력검사 데이터를 기반으로 SA 결과를 예측하는 분류 모델을 구축하여 자동화 가능성을 검토했습니다. 최근에는 머신러닝과 딥러닝을 비교하고, 클래스 경계에서의 예측 한계를 분석해 특징 공학 및 앙상블 확장 같은 후속 전략의 방향성을 정리하는 연구 흐름을 이어가고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Development and Comparison of Machine Learning and Deep Learning Models for Speech Audiometry Prediction
Speech Perception in Individuals with Normal Hearing and Hearing Loss: A Multimodal fNIRS study