LSTMを用いた振幅包絡追随反応からのギャップ検出閾推定

カテゴリ: 部門大会

論文No: PS1-18

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Estimation of gap detection threshold from envelope following response using LSTM

著者名: 金井 智美（東京大学）,岡田 大吾（東京大学）,高橋 斗威（ソニー）,可部 泰生（東京大学）,岡本 秀彦（国際医療福祉大学）,森本 隆司（リオン）,高橋 宏知（東京大学）

著者名(英語): Tomomi Kanai (The University of Tokyo),Daigo Okada (The University of Tokyo),Toi Takahashi (Sony Corporation / Mobile Communications Business Group),Yasuo Kabe (The University of Tokyo),Hidehiko Okamoto (Department of Physiology, School of Medicine International University of Health and Welfare (IUHW)),Takashi Morimoto (Rion Co., Ltd.),Hirokazu Takahashi (The University of Tokyo)

キーワード: 振幅包絡追随反応|他覚的聴力検査|ギャップ検出閾|LSTM|機械学習|envelope following response|objective hearing test|gap detection threshold|LSTM|machine learning

要約(日本語): 本研究では、脳波情報の時系列の情報を考慮した機械学習手法であるLSTM(Long-Short Term Memory)を用いて、振幅包絡追随反応（EFR）から時間分解能の計測指標の１つであるギャップ検出閾値(GDT)の推定を行った。知覚可能な無音区間長を聞いている場合はEFRが検出されることを確認し、EFRのデータからGDTを推定できることを明らかにした。さらに、従来手法であるCSM値(Component Synchrony Measure)からEFRを検出する手法と検出精度の比較を行った。ガウスノイズに40Hzごとに無音区間を8ms追加したデータについて、CSMを用いた手法とLSTMを用いた手法でのEFR検出精度を比較したところLSTMを用いた手法が正答率が15.8%上昇した。この結果は、時系列の情報を考慮することでGDTの推定精度が向上することを示唆している。