Zhilinskaya Ekaterina Viktorovna

Kaugnayan ng paksa ng pananaliksik

Ayon sa World Health Organization (WHO), sa kasalukuyan ay may humigit-kumulang 360 milyong tao sa mundo na may pagkawala ng pandinig, at sa mga taong mahigit 65 taong gulang, humigit-kumulang sa ikatlong bahagi ang nagdurusa sa pagkawala ng pandinig (WHO, 2017).
Ang isa sa mga pangunahing problema ng mga pasyente na may pagkawala ng pandinig, na makabuluhang nagpapalala sa kanilang kalidad ng buhay, ay may kapansanan sa pag-unawa sa pagsasalita, na humahantong sa panlipunang paghihiwalay ng mga pasyente. Karaniwang tinatanggap na ang karamihan sa mga kaso ng nabawasan na kakayahang maunawaan ang pagsasalita ay sanhi ng mga peripheral disorder (sa antas ng cochlea), ngunit parami nang parami ang mga pag-aaral na nagpapakita ng mataas na pagkalat ng mga karamdaman sa katalinuhan sa pagsasalita na sanhi ng patolohiya ng mga gitnang bahagi. sistema ng pandinig, habang ang mga threshold ng pandinig ng mga pasyente ayon sa mga resulta ng purong tono threshold audiometry ay maaaring nasa loob ng normal na mga limitasyon. Ang insidente ng central auditory disorder ay lalong mataas sa mga matatanda at matandang edad: nangyayari ang mga ito sa 74% ng mga taong mahigit sa 55 taong gulang (Golding M. et al., 2004).
Sa ngayon, walang mabisang paggamot sa gamot para sa dysfunction ng central nervous system ang nabuo. sistema ng nerbiyos, na humahantong sa kapansanan sa kakayahang maunawaan sa pagsasalita (Chermak G.D., Musiek F.E., 2014), kaya kahit na may maayos na hearing aid, ang mga problema sa komunikasyon ng mga pasyente ay kadalasang nananatiling hindi nareresolba. Nangangailangan ito ng paghahanap para sa mga bagong diskarte sa pagsusuri at pagwawasto ng mga karamdaman sa pagkaunawa sa pagsasalita sa mga pasyente na may talamak na pagkawala ng pandinig sa sensorineural.
Ang antas ng pag-unlad ng paksa ng pananaliksik. Ang pag-aaral ng speech intelligibility disorder ay sumasakop sa isang makabuluhang lugar sa audiology at neurolohiya; Napansin ang pag-unlad patungo sa paglikha ng mga bagong pamamaraan para sa pag-diagnose at pagwawasto sa mga karamdamang ito. Ang pag-iipon ng siyentipiko at klinikal na ebidensya ay nagpapahusay sa aming pag-unawa sa mga sanhi ng mga problema sa pagiging madaling maunawaan ng pagsasalita, kabilang ang gitnang simula, mga mekanismo ng kanilang paglitaw, mga posibilidad para mabayaran ang kakulangan. Ang bilang ng mga pag-aaral at publikasyon na nakatuon sa mga sakit sa gitnang pandinig, kabilang ang kapansanan sa pag-unawa sa pagsasalita, ay tumaas nang malaki sa mga nakaraang taon, na nagpapakita ng lumalaking interes sa paksang ito, pamantayan sa diagnostic at mga pamamaraan ng rehabilitasyon (Musiek F.E., Chermak G.D., 2014). Gayunpaman, karamihan sa mga pag-aaral at publikasyon ay isinasagawa sa mga dayuhang bansa, at ang pangunahing bilang ng mga diagnostic at pamamaraan ng pagwawasto ay binuo para sa mga pasyenteng nagsasalita ng Ingles, habang nasa Russia. sa sandaling ito Ang paksang ito ay hindi nakatanggap ng sapat na atensyon, at kakaunti ang mga napatunayang pagsubok at pamamaraan ng rehabilitasyon na magagamit.
Ang paghahanap para sa mas tumpak na mga pamamaraan para sa pag-diagnose ng mga karamdaman sa pagiging madaling maunawaan ng pagsasalita at mga paraan upang itama ang mga kakulangan ay hahantong sa pagtaas ng bisa ng rehabilitasyon.

Layunin ng pag-aaral– pagtaas ng pagiging epektibo ng mga pangkasalukuyan na diagnostic at rehabilitasyon para sa mga karamdaman sa pag-unawa sa pagsasalita sa mga pasyenteng may talamak na sensorineural hearing loss (CSHL).

Nalaman nating lahat ang ating sarili nang higit sa isang beses sa isang sitwasyon kung saan ang iba't ibang ingay ay nakagambala sa pag-uusap nang labis na ang mga salita ng kausap ay naging ganap na hindi mabasa. At kung kukuha ka ng video sa ganitong mga kondisyon, ang pagsasalita na narinig sa frame ay magiging ganap na hindi maintindihan, dahil mawawala ang visual na pakikipag-ugnay sa interlocutor.

Sa kasamaang palad, ang kalidad ng pagsasalita kapag ipinadala sa Internet ay nag-iiwan ng maraming bagay na naisin. Ang sinumang gumagamit ng isa sa mga umiiral nang programa ng komunikasyon para sa voice over IP na batay, halimbawa, sa mga protocol ng H.323 ay maaaring ma-verify ito. Kasabay nito, hindi maaaring asahan ng isang tao ang isang pangunahing pagpapabuti sa kalidad ng paghahatid ng boses gamit ang mga umiiral na pamamaraan ng pagruruta sa Internet, dahil hanggang ngayon ay pinaniniwalaan na ang bilog ng mga gumagamit ng naturang mga komunikasyon ay limitado. Tila ito ay maaari lamang maging interesado sa mga indibidwal na may-ari ng mga personal na computer, na sabik para sa abot-kayang komunikasyon sa kanilang mga kaibigan sa kabilang panig ng mundo, o sa mga corporate na gumagamit na sinusubukang bawasan ang gastos ng komunikasyon sa pagitan ng mga opisina sa iba't ibang lungsod. Ngunit kung gagawin mong serbisyo publiko ang Internet telephony kung saan maaari kang singilin ng pera, kung gayon, natural, ito ay kinakailangan upang mapabuti ang kalidad ng komunikasyon na ibinibigay nito.

Kakayahang maunawaan ng pagsasalita

ano ang speech intelligibility? Sa prinsipyo, ang pagiging madaling maunawaan ay isang mahalagang pagtatasa ng isang signal ng pagsasalita at, alinsunod sa internasyonal na pamantayang ISO/TR 4870, ay tinukoy bilang "ang antas kung saan ang pagsasalita ay maaaring maunawaan (matukoy) ng mga tagapakinig." Ito ay tumutukoy sa antas kung saan naiintindihan ng mga tagapakinig ang kahulugan ng isang parirala at matukoy ang mga salita, pantig at ponema. Alinsunod dito, nakikilala ang iba't ibang uri ng pagkakaunawaan: phonemic, syllabic, verbal at phrasal, na, gayunpaman, lahat ay malapit na nauugnay sa isa't isa at maaaring ma-convert sa isa't isa.

Gayunpaman, ang gayong kahulugan ay subjective at nangangailangan ng organisasyon ng ilang uri ng pagsusuri. Upang matukoy ang pagiging madaling maunawaan, lalo na kapag tinatasa ang mga katangian ng acoustic ng mga auditorium, sinehan, bulwagan ng konsiyerto, studio at iba pang lugar, iba't ibang mga pamamaraan at pamantayan ang ginagamit sa pagsasanay: GOST 25902-83, GOST 51061-97, ANSI S3.2, atbp. Ngunit lahat ng mga ito ay nag-aalok ng medyo kumplikado, nakakaubos ng oras at mahal na mga pamamaraan, at mga layunin na pamamaraan para sa pagtukoy ng pagiging madaling maunawaan, na nagbibigay-daan para sa mabilis at automated na mga pagtatasa na mahusay na tumutugma sa mga subjective na pagsusuri, ay hindi pa mahusay na binuo, kahit na ang trabaho ay nangyayari sa loob ng maraming taon .

Kasalukuyang binuo malaking bilang ng tulad ng mga pamamaraan: AI (Articulation Index) - articulation index; %ALcons (Percentage Articulation Loss of Consonants) - porsyento ng articulation loss ng consonants; STI (Speech Transmission Index) - index ng paghahatid ng pagsasalita; RASTI (Rapid Speech Transmission Index) - index ng mabilis na paghahatid ng pagsasalita; SII (Speech Intelligibility Index) - index ng speech intelligibility at marami pang iba na sumusunod sa mga pamantayan ng ISO/TR-4870, ANSI S3.2, S3.5; IEC 268-16 atbp.

Halimbawa, ang isa sa mga pamantayan, na kinokontrol ng mga internasyonal na dokumento ng regulasyon, ay isang walang sukat na koepisyent na maaaring mag-iba mula 0 hanggang 1. Bukod dito, ang mga halaga nito ay nauugnay sa pansariling pagtatasa ang kakayahang maunawaan ang pagsasalita ayon sa sumusunod na pamantayang relasyon:

Upang makalkula ang kakayahang maunawaan, ang frequency band ng signal ng pagsasalita ay pinili sa saklaw mula 150 hanggang 7000 Hz (o may margin mula 125 hanggang 8000 Hz), dahil halos lahat ng mga patinig at katinig ng pagsasalita ng Ruso ay matatagpuan sa loob ng banda na ito. Tulad ng nakikita mo, ang signal ng pagsasalita sa kasong ito ay sapat na broadband para sa iba't ibang mga interference upang makagawa ng kanilang negatibong kontribusyon sa pagbawas ng katalinuhan. Sa kasong ito, ang pangunahing enerhiya ng mga tunog ng katinig ay puro sa paligid ng 2000 Hz, dahil sa kung saan, bilang isang resulta ng masking na may ingay sa humigit-kumulang na dalas na ito, ang posibilidad ng pang-unawa ay makabuluhang nabawasan (napansin din namin na ang mga tunog ng katinig ay mas mababa sa antas. at samakatuwid ay nawawala nang mas mabilis), at dahil dito, bumababa ang antas ng katalinuhan sa pagsasalita . Nakatutuwang tandaan na sa pagkawala ng halos kalahati ng sound intelligibility, ang syllabic intelligibility ay nananatili sa antas na 80%, iyon ay, ang pagsasalita ay may sapat na margin sa mga tuntunin ng information redundancy.

Tulad ng ipinapakita ng pagsusuri, ang isang speech signal ay maaaring ituring na isang broadband signal na binago ng isa pang signal na may mababang frequency. Ang dalas ng modulasyon ay tinutukoy ng bilis kung saan binibigkas ng isang tao ang mga parirala, iyon ay, ang bilis ng artikulasyon. Ipinakita ng mga eksperimento na ang mga frequency ng modulasyon ng ordinaryong pagsasalita ay mula 0.63 hanggang 16 Hz, na ang pinaka-malamang na modulation frequency ay nasa rehiyon na 5-7 Hz. Alinsunod dito, ang pagbabawas ng lalim ng modulasyon ay ginagawang mas katulad ng signal ng pagsasalita sa ingay, at samakatuwid ay humahantong sa pagbaba sa kakayahang maunawaan nito. Kapag ang isang signal ng pagsasalita ay dumaan sa anumang daanan ng paghahatid, na isinasaalang-alang ang mga pagbaluktot at ingay, ang kakayahang maunawaan ng signal ay bumababa, na maaaring masuri ng antas ng pagbaba sa lalim ng modulasyon nito (pagbabago sa hugis ng signal envelope).

Paano malulutas ng mga propesyonal ang problemang ito?

Dapat sabihin na sinusubukan ng mga propesyonal na huwag makitungo sa hindi maintindihan na pananalita at mas gusto na agad na mag-record ng malinaw na tunog - magkahiwalay man o gumamit ng mga espesyal na mikropono na makitid na nakadirekta.

Bilang resulta ng mahabang paghahanap para sa mga kagamitan na sa paanuman ay angkop para sa paglutas ng problema sa pagpapataas ng kakayahang maunawaan ng naitala nang pagsasalita, ang may-akda ay nakahanap lamang ng isang nakakamanghang mahal na bandpass noise reduction device mula sa Dolby Laboratories, na tinatawag na Cat. Hindi. 43 (mangyaring huwag itong malito sa mga aparatong pampababa ng ingay mula sa parehong kumpanya).

Sa katunayan, mula sa tila broadband na spectrum ng pagsasalita, posibleng pumili ng mga frequency band kung saan mayroong pinakamataas na acoustic energy mula sa bahagi ng pagsasalita, at iproseso ang mga ito nang hiwalay, sa gayon ay nakakamit ang paglilinis ng kapaki-pakinabang na signal. Hindi na kailangang sabihin, naghihintay sa iyo ang maingat na gawaing manu-manong kung, siyempre, gusto mong pagbutihin ang pagiging madaling maunawaan ng kung ano ang sinasalita - nang hindi nakompromiso ang dynamic na hanay ng orihinal na soundtrack. Siyempre, kakailanganin mong magtrabaho sa average na density ng phonogram sa bawat "bagong" channel at sa "kapaki-pakinabang na signal/interference" ratio.

Mas gusto ng mga propesyonal na agad na mag-record ng malinis na tunog, kung hindi man ay kasunod na pagpoproseso sa mga system tulad ng Dolby Laboratories Cat. Hindi. 43 ang gagastusin nila ng malaki

Ngunit bakit hindi lutasin ang problemang ito sa programmatically, gamit ang "matalinong" mga computer? Mukhang may mga tagagawa ng mga katulad na produkto (halimbawa, SIA Software, DAC o parehong Dolby Laboratories), ngunit ang tagumpay sa lugar na ito ay tila nasa parehong antas tulad ng nauugnay sa mga programa para sa awtomatikong pagkilala sa pagsasalita at pag-convert nito sa teksto. Kaya, sa kasalukuyan, ang mga naturang programa para sa totoong trabaho (at kahit na sa Russian) ay halos wala, at malinaw na hindi sila malilikha sa lalong madaling panahon.

Gayunpaman, ang kumpanya ng St. Petersburg na "Center for Speech Technologies" (CRT), na nagtatrabaho sa lugar na ito mula noong 1990, ay tila nakamit ang ilang tagumpay. Ang kumpanya ng TsRT (www.speechpro.ru) ay nasa arsenal nito ng isang buong hanay ng software at hardware na idinisenyo para sa pagbabawas ng ingay at pagpapabuti ng kalidad ng tunog, at pangunahin ang mga signal ng pagsasalita - ito ay mga programa sa computer, mga stand-alone na aparato, mga board (DSP ) na binuo sa mga device para sa pagre-record o pagpapadala ng mga channel ng impormasyon ng boses. Sa partikular, ang kumpanya ay nakabuo ng mga programa tulad ng SIS, SoundCleaner, pati na rin ang mga hardware device ng seryeng "Cinderella", "Silence", atbp. Ang mga device na ito ay nagpapataas ng katalinuhan sa pagsasalita sa ilalim ng mga kondisyon ng ingay at pagbaluktot, na ginagawang mas komportableng makinig sa, na kinakailangan para sa mga crew ng sasakyang panghimpapawid , air traffic controllers, mga service operator tulong pang-emergency, mga driver ng lokomotibo, atbp. Bukod dito, ang naturang aparato ay maaaring itayo sa halos anumang analog o digital na set ng telepono, istasyon ng radyo, headset ng telepono, atbp.

Halimbawa, ang unang bumibili ng board na "Silence" ay isang Amerikanong kumpanya, na ginagamit ito sa mga karera ng NASCAR upang matiyak ang mataas na kalidad na komunikasyon sa pagitan ng driver, team at mga tagahanga.

Ang mga espesyalista ng kumpanya ay nakibahagi sa pagpapanumbalik ng impormasyon sa audio na naitala sa lubog na Kursk submarine (ang resulta ng anim na buwang trabaho ay 23 CD na may 120 oras na naibalik. impormasyon sa audio at 340 na pahina ng verbatim na nilalaman ng speech phonograms), sa mga nag-crash na sasakyang panghimpapawid, gayundin sa panahon ng pagsisiyasat ng isang bilang ng mga kriminal na kaso kung saan kinakailangan upang maitatag ang nilalaman ng speech phonograms.

SoundCleaner

Ang hindi mapag-aalinlanganang pinuno sa linya ng produkto ng paglilinis ng ingay ng MDG ay ang SoundCleaner software package. Noong 2000, ang programa ng SoundCleaner ay opisyal na nakarehistro ng Russian Patent and Trademark Agency.

Ang SoundCleaner speech noise cleaning complex ay isang propesyonal na hanay ng software at hardware na idinisenyo upang maibalik ang katalinuhan sa pagsasalita at malinis na mga signal ng tunog na naitala sa mahihirap na kondisyon ng tunog o ipinadala sa mga channel ng komunikasyon.

Ang SoundCleaner, isang portable speech noise reduction system, ay makakatulong na mapabuti
pagiging madaling maunawaan at sa transkripsyon ng teksto ng mga mababang kalidad na phonogram ng pagsasalita na naitala sa mahirap na mga kondisyon ng tunog

Ito ay isang tunay na natatanging produkto ng software na idinisenyo upang linisin ang ingay at pagbutihin ang kalidad ng tunog ng isang live (iyon ay, natanggap sa real time) o naitalang sound signal. At ito ay tiyak na makakatulong sa pagtaas ng katalinuhan at sa pag-decode ng teksto ng mga mababang kalidad na phonograms ng pagsasalita na naitala sa mahirap na mga kondisyon ng acoustic (kabilang ang mga archival).

Naturally, ito ay gumagana nang mas epektibo kaugnay sa ingay at sound distortion ng isang kilalang kalikasan, tulad ng tipikal na ingay at distortion ng mga channel ng komunikasyon at sound recording, panloob at panlabas na ingay, operating machinery, Sasakyan At mga kasangkapan sa sambahayan, boses na "cocktail", mabagal na musika, electromagnetic interference mga sistema ng kuryente, tulad ng ingay ng computer at iba pang kagamitan, reverberation at echo effect. Karaniwan, mas regular at pare-pareho ang ingay, mas matagumpay na haharapin ito ng SoundCleaner.

Gayunpaman, sa dalawang-channel na pagkuha ng impormasyon, makabuluhang binabawasan nito ang impluwensya ng ingay ng anumang uri. Halimbawa, ang SoundCleaner ay may dalawang-channel na adaptive na paraan ng pag-filter na idinisenyo upang sugpuin ang parehong broadband na hindi nakatigil na interference (tulad ng speech, radio o television broadcast, hall noise, atbp.) at panaka-nakang (vibrations, network interference, atbp.) . Ang mga pamamaraang ito ay batay sa katotohanan na kapag naghihiwalay ng isang kapaki-pakinabang na signal, karagdagang impormasyon tungkol sa mga katangian ng interference na ipinakita sa reference channel.

Kung may pangangailangang lutasin ang mga hindi karaniwang problema sa pagproseso ng ilang phonograms, ang programang SoundCleaner ay nagbibigay ng kakayahang flexible na i-configure ang pamamaraan sa pagpoproseso ng signal, kabilang ang pag-edit sa mismong pamamaraan ng pagproseso. Kaya, ang mga gumagamit ng anumang antas ng kasanayan ay matagumpay na malulutas ang mga problema sa pagbabawas ng ingay gamit ang awtomatiko o manu-manong mga setting mga programa. Para sa mga hindi gaanong karanasan, mayroong 13 na handa na mga scheme para sa pagproseso ng pinakakaraniwang ingay at mga pagbaluktot ng signal (pagkagambala sa kuryente, ingay ng trapiko, dalas at pagbaluktot ng amplitude, pagkagambala sa radyo, atbp.), na makakatulong sa paglaban sa iba't ibang uri kilalang ingay at panghihimasok. Bukod dito, ang bawat scheme ay maaaring iakma, at ang mas maraming karanasan na mga user ay maaaring bumuo ng kanilang sariling mga scheme, na pagkatapos ay maaaring i-save bilang mga pamantayan para sa muling paggamit.

Kasama sa set ng paghahatid ang mga audio file ng mga halimbawa ng maingay na mga signal ng pagsasalita at mga pagsasaayos at mga filter na circuit na na-optimize para sa kanilang pagproseso, upang ang pag-aaral at pagtatrabaho sa programa ay maging simple at medyo epektibo.

Simula sa bersyon 5.10 SoundCleaner ay maaaring gumana bilang DirectX plug-in, habang pinapanatili ang lahat ng mga tampok para sa buhay ng baterya. Sa mode na ito, maaaring gumana ang program bilang bahagi ng mga kilalang sound editor gaya ng Adobe Audition (1.0 at mas mataas), Sound Forge (6.0 at mas mataas) o Wave Lab 4.0. Sa prinsipyo, upang gumana nang offline, ang SoundCleaner ay may sarili nitong sound editor, Wave Assistant editor, na kinabibilangan ng isang set ng mga standard na tool para sa pag-edit ng signal at pagsasagawa ng detalyadong electroacoustic at spectral analysis nito upang pumili pinakamainam na mode pagpoproseso.

Sa istruktura, ang programa ay isang hanay ng mga autonomous na module para sa pagtatrabaho sa tunog (mayroong 19 tulad ng mga module sa kabuuan), na pinagsama sa pangunahing shell. Ang bawat module ay may sariling control panel at nagpoproseso ng tunog ayon sa sarili nitong algorithm, pagkatapos nito ay ipinapadala ito sa susunod na module. Ang kabuuang bilang ng sabay-sabay na ginamit na mga module ay limitado lamang sa pamamagitan ng mga kakayahan sa pag-compute ng computer.

Ang arkitektura ng software package ay nagbibigay-daan sa iyo na madaling madagdagan ang bilang ng mga uri ng module na ginamit, sa gayo'y tinitiyak ang pangmatagalan ikot ng buhay mga programa (dahil ang kumpanya ay lumilikha ng higit at higit pang mga bagong module). Ang programa ay nagbibigay ng kakayahang lumikha mula sa naturang mga module at gumamit ng mga scheme ng pagproseso para sa tatlo iba't ibang uri: single-channel para sa isang mono signal o dalawang-channel na may independiyenteng pagproseso sa kaliwa at kanang channel (sa ilang mga kaso, ang paggamit ng dalawang magkaibang channel upang ihiwalay ang kapaki-pakinabang na signal ay lubhang epektibo).

Ang signal (bago at pagkatapos ng pagproseso) ay patuloy na ipinapakita bilang isang oscillogram at instantaneous spectrum. Ang pagbabawas ng ingay ay kinokontrol sa real time: maaari mong baguhin ang mga setting ng bawat module anumang oras nang hindi nakakaabala sa pag-playback, at nang walang pagkawala ng signal, na napakahalaga para sa mabilis na pagpili ng mga parameter nang literal sa pamamagitan ng tainga.

Maaaring i-input at iproseso ang isang audio signal mula sa isang panlabas na pinagmulan (linear na output ng audio equipment, mikropono) o mula sa isang wav audio file. Maaaring gumana ang program sa mga mono o stereo signal sa 8- at 16-bit na PCM, mu(a)-Law o 24-bit na mga float na format na may mga sampling rate mula 8 hanggang 48 kHz at i-save ang mga ito pagkatapos maproseso sa orihinal na sampling rate sa 16 -bit na format ng PCM.

ClearVoice Denoiser awtomatikong programa ng demo na pagbabawas ng ingay

Gumagana ang SoundCleaner sa ilalim ng Windows 9x/Me/NT/2000/XP sa isang karaniwang PC (nagsisimula sa isang Pentium II o Celeron na may 64 MB ng RAM) na may karaniwang full-duplex sound card na tugma sa Windows. Upang makatanggap ng garantisadong Mataas na Kalidad input at output signal para sa mga mas lumang bersyon ng produkto, ang supply ng mga propesyonal na signal input/output device ay ibinibigay: 16-bit STC-H216 o 24-bit STC-H246 "Tuning Fork". Ang programa ay may user interface sa wikang Ruso. Mula sa website ng kumpanya maaari mong i-download ang ClearVoice Denoiser, isang demo program para sa awtomatikong pagbabawas ng ingay. Ang mga pangunahing algorithm sa paglilinis ng ingay mula sa programang SoundCleaner ay ipinapatupad din bilang isang set ng mga built-in na software module (SDK) na maaaring magamit ng ibang mga developer software. Available ang mga demo na bersyon ng SDK sa website ng manufacturer.

Ang isang computer transcriber, sa kasamaang-palad, ay hindi pa isang programa para sa awtomatikong pagkilala sa pagsasalita at pag-convert nito sa teksto. Sa kasalukuyan, ang mga naturang programa para sa totoong trabaho sa Russian ay hindi umiiral, at malamang na hindi sila lilitaw sa lalong madaling panahon. Ang isang transcriber ay, sa halip, isang computer digital tape recorder na kinokontrol mula sa isang dalubhasang text editor.

Ang mga device na ito ay idinisenyo upang pataasin ang bilis at ginhawa ng pagdodokumento ng mga sound recording pasalitang pananalita kapag naghahanda ng mga ulat, minuto ng mga pulong, negosasyon, lektura, panayam, walang papel na gawain sa opisina at sa maraming iba pang mga kaso. Ang mga ito ay nakikilala sa pamamagitan ng kanilang pagiging simple, kadalian ng paggamit at pagiging naa-access para sa mga hindi propesyonal na operator: ang bilis ng pag-type ay tumataas para sa mga propesyonal na touch typing operator ng 2-3 beses, at para sa mga hindi propesyonal - ng 5-10 beses! Bilang karagdagan, ang mekanikal na pagsusuot ng tape recorder at tape ay makabuluhang nabawasan kung pinag-uusapan natin ang isang analog source. Kasabay nito, ang mga computer transcriber ay may interactive na kakayahan upang ihambing ang nai-type na teksto at ang kaukulang audio track. Ang koneksyon sa pagitan ng teksto at pagsasalita ay awtomatikong naitatag at nagbibigay-daan sa iyo upang agad na awtomatikong mahanap at makinig sa kaukulang mga fragment ng tunog ng signal ng pagsasalita sa na-type na teksto kapag inilipat mo ang cursor sa fragment ng teksto na pinag-aaralan.

Ang pagtaas ng kakayahang maunawaan ng pagsasalita ay maaaring makamit dito kapwa sa pamamagitan ng pagpapabagal sa bilis ng pag-playback nang hindi binabaluktot ang timbre ng boses, at sa pamamagitan ng paulit-ulit na pag-uulit ng hindi maintindihan na mga fragment sa ring mode.

Sa kahilingan ng customer, ang kumpanya ay maaaring magbenta ng isang transcriber na may foot pedal, kung saan kinokontrol ang mga function ng digital tape recorder, na nagpapataas din ng pagiging produktibo at ginhawa ng trabaho. Posible rin ang isang bersyon ng programa para sa isang karaniwang sound card tulad ng Sound Blaster.

Konklusyon

Sa kasalukuyan, ang isang espesyal na grupo ng AES Standards Committee (pinamumunuan ni P. Mapp) ay lumilikha ng mga internasyonal na rekomendasyon para sa pagtatasa ng speech intelligibility. Gayunpaman, ang mga espesyalista sa pangkat na ito ay pangunahing nakikibahagi sa paghahambing na pagsusuri iba't ibang pamamaraan mga pagtatasa ng pagiging madaling maunawaan na ito.

Ngunit kung ang problema sa pagtatasa ng katalinuhan sa pagsasalita ay napakasalimuot, kung gayon bakit pag-usapan pa ang tungkol sa mga pamamaraan na awtomatikong nagpapataas ng kakayahang maunawaan na ito! Pagkatapos ng lahat, ang pagiging madaling maunawaan ng pagsasalita ay nakasalalay hindi lamang sa mga kadahilanan na maaaring masusukat sa layunin (antas ng ingay, atbp.), kundi pati na rin sa mga subjective na kadahilanan tulad ng antas. kasanayan sa wika, diction ng tagapagsalita, ang antas ng pagiging pamilyar ng nakikinig sa nilalaman ng mensahe, ang estado ng kanyang pandinig, atbp. Tulad ng nakikita mo, ang paglikha ng anumang awtomatikong sistema ng computer na gumagana sa pagsasalita ay isang napakahirap na gawain, ngunit dahil ito ay mahalaga para sa maraming mga lugar, lalo na para sa pag-unlad ng mga sistema ng komunikasyon, at malaking pwersa ng mga espesyalista sa iba't ibang bansa ang nasangkot sa solusyon nito, kung gayon maaari tayong umasa na balang araw ay malilikha ang maaasahang mga sistema para sa tumpak na pagkilala sa pagsasalita.

Sa aming CD-ROM makikita mo ang mga demo na bersyon ng SoundCleaner at ClearVoice Denoiser.

UDC 534.773

I.V. PRASOL, Ph.D. tech. Agham, KNURE (Kharkov),

A.S. NECHIPORENKO, KHNURE (Kharkov)

PARAAN NG PAGTATAAS NG TALINO SA PANANALITA SA MGA PASYENTE

SENSORNEURAL HEARING LOSS

Ang isang bagong paraan ay iminungkahi para sa pagpapabuti ng pag-unawa sa pagsasalita sa mga pasyente na may sensorineural na pandinig, na batay sa pag-filter sa signal ng pagsasalita. Bilang resulta ng pagsasala, posibleng palakasin ang pinakamahalagang lugar ng wave spectrum na may kaugnayan sa paggamot ng mga sakit. Ang pamamaraang ito ay nagbibigay-daan para sa mas mataas na pagsipsip ng wika sa mga pasyenteng may pagkawala ng sensitivity sa hanay ng dalas na higit sa 1 kHz.

Iminumungkahi ang isang bagong paraan upang mapabuti ang pariralang katalinuhan ng mga taong may sakit na neurosurgery sensory hearing loss. Ito ay batay sa pag-filter ng boses. Bilang resulta ng pag-filter, natukoy ang pinakamahalagang bahagi ng spectrum ng pagsasalita na nakakaapekto sa speech perception ng mga pasyente. Ang pamamaraang ito ay nakakatulong na mapabuti ang pang-unawa sa pagsasalita ng mga pasyenteng may pagkawala ng pandinig sa hanay na higit sa 1 kHz.

Pagbubuo ng problema. Sa kasalukuyan ang lahat mas malaking bilang ang mga tao ay dumaranas ng kapansanan sa pandinig. Ang mga sanhi ng pagkawala ng pandinig ay maaaring iba, kabilang ang matagal na pagkakalantad sa labis na ingay, pangkalahatang pagkasira ng kapaligiran, at mga komplikasyon pagkatapos ng mga sakit, pinsala, genetic disorder. Kabilang sa mga pathologies ng auditory system, ang pinuno ay sensorineural hearing loss - mahina na pandinig na may napanatili na speech perception, sanhi ng pinsala sa sound-perceiving apparatus o sa gitnang bahagi. auditory analyzer. Ito ay maaaring resulta ng pinsala sa parehong neurosensory epithelial cells spiral organ, parehong subcortical at cortical mga sentro ng pandinig. Gayunpaman, kadalasan ang pagkawala ng pandinig ng sensorineural ay sanhi ng patolohiya ng receptor at ugat ng vestibulocochlear nerve. Ang sakit na ito ay hindi magagamot sa pamamagitan ng operasyon, kaya niresetahan ang pasyente ng hearing aid. Dapat itama ng hearing aid ang mga indibidwal na katangian ng pandinig na katangian ng ganitong uri ng patolohiya. Para sa mga layuning ito, mayroong isang bilang ng mga sound processing algorithm na ipinatupad sa analog hearing aid. Ito ay mga algorithm para sa frequency dependent amplification, amplitude compression, at noise filtering. Gayunpaman, ang pagpapatupad ng mga kumplikadong algorithm para sa pagproseso ng mga signal ng pagsasalita, na nababagay sa indibidwal na katangian ng pagkawala ng pandinig sa mga pasyente, ay posible lamang sa mga digital hearing aid. Ang digital signal processing ay nagbibigay-daan sa paggamit ng napakahusay na adaptive algorithm na may kakayahang indibidwal na i-configure ang mga parameter habang pinapanatili ang isang hindi nabagong hardware core.

Pagsusuri sa panitikan. Ang isang pagsusuri ng mga pamamaraan sa pagproseso ng digital na signal ay isinagawa. Ang mga kakaiba ng speech signal perception ay pinag-aralan, umiiral na mga pamamaraan paghihiwalay ng mga formant mula sa spectrum nito, pati na rin ang mga pamamaraan

pagpoproseso ng signal ng pagsasalita, na nagbibigay-daan upang mapataas ang pagiging madaling maunawaan ng signal para sa mga pasyenteng may normal na pandinig at para sa mga pasyenteng may mahinang pandinig na na-diagnose na may sensorineural na pagkawala ng pandinig. Gayunpaman, ang mga umiiral na pamamaraan para sa pagtaas ng kakayahang maunawaan ng pagsasalita ay hindi isinasaalang-alang ang gayong tampok ng neurosensory pathology bilang pagkawala ng audibility sa saklaw sa itaas ng 1 kHz. Ang pagsusuri ng formant ay hindi ginamit upang lumikha ng mga adaptive na algorithm para sa pagpapabuti ng verbal intelligibility.

Ang layunin ng artikulong ito ay bumuo ng isang paraan para sa pagtaas ng katalinuhan sa pagsasalita sa mga pasyenteng may sensorineural na pandinig.

Ang kakayahang maunawaan ang pagsasalita sa mga pasyente na may pagkawala ng pandinig sa sensorineural.

Napag-alaman na ang pagkawala ng pandinig sa sensorineural ay nailalarawan sa pamamagitan ng pagtaas ng mga limitasyon ng pandinig, pati na rin ang pagkasira sa audibility sa hanay na higit sa 1 kHz, na, naman, ay humahantong sa pagkawala ng pang-unawa sa mga naturang pasyente ng mga high-frequency na bahagi ng pagsasalita. . Ang kahihinatnan ng limitadong pang-unawa na ito ay isang makabuluhang pagkasira sa kakayahang maunawaan ng pagsasalita. Ang dahilan para dito ay nakasalalay sa mga kakaibang katangian ng lokalisasyon ng mga tunog ng signal ng pagsasalita, lalo na: ang mga tunog ng katinig ay kadalasang matatagpuan sa saklaw ng dalas sa itaas ng 1 kHz, at ang mga patinig ay nasa hanay ng mababang dalas. Dahil ang kakayahang maunawaan ng pagsasalita ay higit na naiimpluwensyahan ng pang-unawa ng mga katinig, ang natitirang spectrum ng pagsasalita, dahil sa pagkalat ng mga tunog ng patinig sa loob nito, ay nagiging hindi malinaw at mahirap maunawaan. Batay sa itaas, iminungkahi na pagbutihin ang pagiging madaling maunawaan ng signal ng pagsasalita sa pamamagitan ng pagtaas ng kalinawan sa pamamagitan ng pag-alis ng mga bahagi ng spectrum.

Mga kakaibang pang-unawa sa signal ng pagsasalita. Ang anumang signal ng pagsasalita ay binubuo ng pinakasimpleng tunog ng pagsasalita na tinatawag na mga ponema. Alam na ang bawat ponema ay tumutugma sa sarili nitong hugis ng vocal tract ng tao, na nag-iiba alinsunod sa mga pagbabago sa posisyon ng dila, labi, ngipin, at depende dito, ang mga frequency ng vocal tract, kabilang ang mga resonant, magbago din. Mga lugar ng spectral maxima ng speech signal na naaayon sa resonant frequency vocal tract ay tinatawag na formants. Ang isang formant ay nailalarawan sa pamamagitan ng dalas, lapad at amplitude. Ang pagkilala sa ponema ay batay sa pang-unawa ng mga formant bilang ang pinaka-kaalaman na mga tampok ng isang speech signal. Dapat ding tandaan na ang pagkilala sa bawat ponema ay pangunahing nangyayari sa pamamagitan ng posisyon ng unang dalawang formant. Isinasaalang-alang ang mga salik na ito, pati na rin ang isang tampok ng mga pasyente na may pagkawala ng pandinig ng sensorineural bilang isang pagbawas sa pagpili ng dalas, iminungkahi na alisin mula sa spectrum ng pagsasalita ang mga lugar na karatig ng mga formant band.

Pag-filter ng signal ng pagsasalita. Sa panahon ng eksperimento, maraming iba't ibang signal mula sa iba't ibang speaker ang naproseso. Ang speech signal ay na-convert sa digital code at naproseso sa isang computer. Para sa

Upang matukoy ang mga formant na taluktok ng mga patinig, ginamit ang software package na "Cool Edit Pro", na nagbibigay-daan para sa spectral analysis ng speech signal. Upang makuha ang mga spectral na katangian ng isang analog signal na ipinakita sa discrete form, ginamit ang isang mabilis na Fourier transform (FFT), na ang resulta ay ang representasyon ng signal bilang isang set ng n frequency.

F = (F1,F2,...,Fn ). (1)

Ang impluwensya ng mga pinagmumulan ng ingay sa isang speech signal ay maaaring humantong sa pagbuo ng instantaneous spectrum peak na hindi bahagi ng speech signal. Ang ganitong mga taluktok ay tinatawag na mga maling taluktok.

Tukuyin natin ang isang peak bilang ang pinakamataas na intensity ng enerhiya ng signal sa isang tiyak na agwat d sa frequency axis at ipahayag ang function na P(Fk, d) para sa pagsuri ng maximum sa interval d tulad ng sumusunod:

G1, para sa A, > max L, k Ф j,

Ako kay k-d

P(Fk, d) = \ j (2)

10, sa Ak< ІШХ Aj , k ф j.

^k-d

Pagkatapos, ang paghahanap ng lahat ng mga taluktok ay mababawasan sa paghahanap ng mga frequency ng pagpapalawak F є F, kung saan ang kundisyong P(F, d) = 1. Ang pamamaraang ito ng paghahanap ng mga taluktok ay tinatawag na sequential pass.

Dahil ang unang dalawang formant ay may pinakamalaking impluwensya sa pagkilala ng isang speech signal, sinasala namin ang mga formant na rehiyon ng unang dalawang peak. Sa Fig. Ipinapakita ng 1 ang instantaneous spectrum

signal (isang napiling formant) bago i-filter. Sa Fig. 2 ang ipinakita

instant spectrum pagkatapos ng pag-filter. Ang pagsasala ay isinagawa ayon sa mga formula:

Fa = Fk - mx2 1 , (3)

F = F + _2-------maxL (4)

A b i max 1 2 ’ ^"

kung saan ang Fa, F1, Fb, F2 ay ang mga hangganan ng mga formant na rehiyon na aalisin; Fmax - peak formant frequency.

F = F + F 2 F max (4)

Bilang resulta ng pag-filter, ang mga pinakamahalagang bahagi ng spectrum ng pagsasalita ay na-highlight, pati na rin ang pag-mask ng mas mababang mga frequency ng hangganan ng mga kasunod na banda na nananatiling mga formant na banda ay nabawasan.

Upang lumikha ng mga kinakailangang filter, isang pagsusuri sa dalas ng mga patinig at katinig ay isinagawa. Ang spectral na sobre ay naglalaman ng isang malaking bilang ng mga peak ng mga indibidwal na frequency, ngunit karamihan sa mga ito ay hindi nagbibigay-kaalaman at matatagpuan sa rehiyon sa itaas ng 1,500 Hz. Ang pangunahing impormasyon sa pagsasalita ay dinadala

mismong mga taluktok na may medyo malaking amplitude sa hanay na 70 Hz - 900 Hz. Sa Fig. Ipinapakita ng Figure 3 ang spectrum ng tunog na "E", kung saan malinaw na nakikita ang mga formant peak sa hanay na ito.

kanin. 2. Formant line pagkatapos ng filter

kanin. 3. Spectrum ng tunog "E" bago i-filter 163

kanin. 4. Spectrum ng tunog "E" pagkatapos ng pagsala

Inalis ang mga frequency band gamit ang mga filter na ginawa sa opsyon sa menu ng filter ng RBT, ayon sa nakalkulang data. Bilang isang resulta, ang spectral na katangian ng signal ay nakuha, na ipinapakita sa Fig. 4, kung saan maaari nating tapusin na ang mga formant na rehiyon ay lumiliit, pati na rin ang signal amplitude ay tumataas sa rehiyon ng unang dalawang formant peak.

Sa Fig. 5 - 8 ay nagpapakita ng parang multo na mga katangian ng mga tunog Zh, B bago at pagkatapos ng pagsala.

kanin. 5. Sound spectrum "Zh" bago i-filter 164

Sa ganitong paraan, naproseso ang bawat tunog ng buong pagkakasunud-sunod ng pagsasalita. Dahil ang pagbaba sa kurba ng pandinig sa mga pasyenteng may sensorineural na pagkawala ng pandinig ay nagsisimula sa 1 kHz, inilapat din ang isang filter sa spectrum, na pinuputol ang mga frequency na higit sa 1 kHz.

kanin. 6. Spectrum ng tunog "Zh" pagkatapos ng pag-filter

kanin. 7. Spectrum ng tunog "B" bago i-filter

kanin. 8. Spectrum ng tunog "B" pagkatapos ng pagsala

Pagtatasa ng impluwensya ng iminungkahing paraan ng pagproseso sa pang-unawa

talumpati. Upang masuri ang impluwensya ng iminungkahing paraan ng pagpoproseso sa perception ng isang speech signal, isang grupo ng 20 tao na may sensorineural hearing loss ay hiniling na makinig at magkumpara ng dalawang signal: ang orihinal at ang isa na sumailalim sa preprocessing. Ang lahat ng mga pasyente ay may karanasan sa paggamit ng mga hearing aid sa loob ng ilang taon. Dapat pansinin na ang mga pasyente ay may mababang paunang katalinuhan sa pagsasalita (mas mababa sa 51%). Upang masuri ang pagiging madaling maunawaan, ginamit ang mga talahanayan ng pagsasalita ng Greenberg ng mga polysyllabic na salita, na isinasaalang-alang ang mga tampok na phonetic na katangian ng pagsasalita ng Ruso. Ang output signal ay hindi sumailalim sa anumang karagdagang pagbabago, maliban sa pagsasaayos ng volume para sa kumportableng pang-unawa ng isang partikular na pasyente. Ang mga resulta ng pag-aaral para sa 6 na tao ay ipinapakita sa talahanayan.

Mga resulta ng pananaliksik

Mga paksang na-diagnose na may sensorineural na pagkawala ng pandinig Kakayahang maunawaan ng orihinal na signal ng pagsasalita (%) Kahusayan ng naprosesong signal ng pagsasalita (%)

Degree ng pagkawala ng pandinig Edad ng paksa

Mga konklusyon. Pag-aaral ng data na nakuha, maaari naming tapusin na ang speech intelligibility ng mga pasyente ay nagdaragdag sa hanay ng 5 - 18%. Ang mga resulta ng pag-aaral para sa natitirang mga pasyente ay magkatulad, na may mga halaga ng kakayahang maunawaan sa loob ng saklaw sa itaas. Dahil dito, bilang isang resulta ng pag-filter ng mga frequency band ng spectrum na nasa hangganan ng mga formant, ang kalinawan ng signal ng pagsasalita ay tumataas. Ang paghihiwalay sa mga pinaka-nakapagtuturo na mga lugar ng spectrum ay nakakatulong upang mapabuti ang pang-unawa ng pagkakasunud-sunod ng pagsasalita, ang pagsasalita ay nagiging mas nauunawaan at naiintindihan. Ang paggamit ng iminungkahing paraan ng pagpoproseso ng signal ng pagsasalita ay maaaring mapagkakatiwalaan na mapataas ang pagiging madaling maunawaan ng signal ng pagsasalita sa mga pasyente na may pagkawala ng pandinig sa sensorineural. Kaya, binubuksan nito ang posibilidad na lumikha ng adaptive algorithm para sa pagpapabuti ng verbal intelligibility.

Mga Sanggunian: 1. Neiman L.V., Bogomilsky M.R. Anatomy, pisyolohiya at patolohiya ng mga organo ng pandinig at pagsasalita. - "Vlados", 2001. - 224 p. 2. Prasol I.V., Kobylinsky A.V. Pamamaraan para sa pag-optimize ng mga digital circuit ng mga biomedical na aparato // Applied radio electronics. - 2007. -T. 6. - Hindi. 1. - P. 51-55. 3. Prasol I.V., Kobylinsky A.V. Algorithms para sa disenyo ng adaptive digital hearing aid / ika-7 pang-agham at teknikal na kumperensya "Mga teknolohiyang medikal para sa proteksyon ng kalusugan." Koleksyon ng mga siyentipikong papel. - M.: MSTU im. N.E. Bauman, 2005. - pp. 54-56. 4. Rabiner L., Gould B. Teorya at aplikasyon ng digital signal processing. - M.: Mir, 1978. - 848 p. 5. Gelfand S.A. Pagdinig: Isang Panimula sa Psychological at Physiological Acoustics. - M.: Medisina, 1984. 6. Petrov S.M. Band-pass filtering ng speech signal - speech perception sa normal na kondisyon at may sensorineural hearing loss // Bulletin of Otorhinolaryngology. - 2000. - N° 3. - P. 55-56. 7. Rabiner L.R., Shafer R.V. Digital na pagproseso ng mga signal ng pagsasalita. - M.: Radyo at Komunikasyon, 1981. - 496 p. 8. ttp://www.adobe.com/special/products/audition/syntrillium.html. 9. Serdyukov V.D. Pagkilala sa mga signal ng pagsasalita laban sa background ng mga nakakasagabal na kadahilanan. - Tbilisi: Agham, 1987. - 142 p. 10. Chistovich L.A., Ventsov A.V., Granstrem M.P. Physiology ng pagsasalita. Pagdama ng pagsasalita ng tao. - L.: Nauka, 1976. - 388 p. 11. James L. Flanagan Pagsusuri, synthesis at perception ng pagsasalita. - M.: Komunikasyon, 1968. - 396 p.

2786 0

Ang pag-aaral ng pandinig gamit ang mga tunog ng pagsasalita ay may mahalagang papel sa klinikal at audiological na kasanayan. Gayunpaman, ang potensyal ng pag-aaral na ito, lalo na kaugnay sa pagkawala ng pandinig ng senile, ay malayo sa ganap na ginalugad. Ito ay may kinalaman sa parehong pagtatatag ng mga pamantayan sa edad para sa pagdinig sa pagsasalita at ang paglilinaw ng ilang aspeto ng pathogenesis at mga paksa ng mga pagbabago sa presbycusic. Nasa mga gawa na sa pag-aaral ng senile na pagkawala ng pandinig gamit ang paraan ng live na pagsasalita, isang makabuluhang kapansanan sa pang-unawa ng huli, lalo na ang pabulong na pananalita, ay nabanggit (I. M. Sobol, A. G. Liss, 1962; S. K. Agzamov, 1966; A. G. Ganiev, 1969). Sa katandaan, ang katinuan ng mga tunog ng katinig ay mas malubhang may kapansanan. Yu. S. Krivitskaya, Sh., A. Maksumova (1968) tandaan na sa mga matatandang tao, ang pagiging madaling maunawaan ng mga numero at salita ay nagdurusa nang mas mababa kaysa sa pagiging madaling maunawaan ng mga parirala.

Ang mga makabuluhang kapansanan sa pandinig sa pagsasalita sa pagkawala ng pandinig sa senile ay nakumpirma ng mga pag-aaral ng audiometric (A. I. Lopotko, 1971; 1975, 1979; S. I. Alekseev, I. M. Goncharova, 1972; G. Pestalozza, 1. Shore, 1955; P. Motunier., Kuhn 1965; W. Hallerman, P. Piath, 1971). Ayon kina R. M. Feldman at S. H. Reger (R. M. Feldman, S. N. Reger, 1967), ang mga ganitong karamdaman ay nagsimulang lumitaw sa katandaan at lalo na sa pagtanda. Ito ay nabanggit na ang pagbaba sa speech intelligibility ay hindi palaging binabayaran ng pagtaas ng intensity nito. Iba't ibang mga paliwanag ang ibinigay para sa kapansanan sa pag-unawa sa pagsasalita sa katandaan. Sa isang banda, nauugnay ito sa mga pagbabago na nauugnay sa edad sa paligid, at sa kabilang banda, sa mga sentral na istruktura ng sistema ng pandinig.

Ang kapansanan sa pandinig sa pagsasalita ng peripheral na pinagmulan ay sanhi ng pagtaas ng mga tonal threshold (tonal deficit), pati na rin ang pagpapakita ng hindi pantay na pagtaas ng volume para sa iba't ibang mga frequency ng saklaw ng pagsasalita. Ang mga kapansanan sa kakayahang maunawaan, na hindi nakasalalay sa pagkawala ng pandinig sa mga frequency ng pagsasalita, na tinutukoy ng phonemic regression syndrome, ay nauugnay sa pinsala sa mga gitnang bahagi ng auditory analyzer. Ang pangunahing argumento na pabor sa pagkakaroon ng sindrom na ito ay ang dissociation ng tonal at speech hearing sa senile hearing loss (A. D. Ganiev, 1969; S. I. Alekseev, I. M. Goncharova, 1972; R. Carhart, 1951, atbp.) Data sa paghahambing ng Ang mga threshold ng pandinig sa tono at pagsasalita ay malaki ang pagkakaiba-iba sa iba't ibang mga may-akda.

Ang pagsusuri sa mga pag-aaral na ito ay naging posible na magmungkahi na ang dahilan para dito ay nakasalalay, sa isang banda, sa heterogeneity ng phonetic na materyal na ginamit, at sa kabilang banda, sa iba't ibang diskarte sa criterion ng pagkawala ng pandinig para sa mga tono. Ito ay nag-udyok at nag-udyok sa maraming mga mananaliksik na paulit-ulit na bumalik sa pag-aaral ng isyu ng paghihiwalay ng tono-speech sa presbycusis (S. I. Alekseev, I. M. Goncharov, 1972; G. Pestalozza, I. Shore, 1955; E. Konig, 1957; J Sataloff, 1957; N. Menduke, 1957).

Ang simula ng karamdaman na ito ay nauugnay nina D. Calvi at A. Finzi (J Calvi, A. Finzi, 1957), pati na rin ang E. Bocca (E. Vossa, 1958) na may dysfunction, una sa lahat, ng mga sentral na istruktura ng auditory analyzer, na may isang pagpapahina sa katandaan ng kanilang mahalagang aktibidad, ipinaliwanag ni V.D. Mikhailova-Lukashev (1968) ang pagbaba sa pandinig ng pagsasalita sa pamamagitan ng kawalan ng kakayahan ng mga matatanda na makilala ang mga tunog at ingay, gayundin ng kapansanan sa kadaliang kumilos at ang relasyon. ng mga pangunahing proseso ng nerbiyos - paggulo at pagsugpo.

Iniuugnay ng G. X. Gaeth (G. N. Gaeth, 1948) ang phonemic regression syndrome sa pagbaba ng katandaan sa antas ng intelektwal at kakayahang makilala ang mga tunog sa matataas na tono. Kasunod nito, ang sindrom ay quantitatively pinag-aralan ni G. Pestalozza at I. Shore (G. Pestalozza, I. Shore, 1955). Ang paghahambing ng likas na katalinuhan sa presbycusis na may katalinuhan sa mga sensorineural na anyo ng pagkawala ng pandinig sa mga kabataan na may katulad na tonal relief, binanggit ng mga may-akda ang isang mas malinaw na kapansanan ng pagdinig sa pagsasalita sa unang pangkat ng mga paksa.

Sa kasalukuyan, ang tanong ay pinagtatalunan kung hanggang saan nakasalalay ang katalinuhan ng pagsasalita sa FUNG, na kadalasang kasama ng pagkawala ng pandinig sa tunog. Ang ilang mga may-akda ay nagpapansin ng posibilidad na makamit ang pinakamataas na katalinuhan sa pagkakaroon ng nabanggit na kababalaghan (J. A. Reyntjes, 1951). Ang iba ay naniniwala na sa FUNG, ang pagiging madaling maunawaan ay bumababa nang malaki (N. Huizing, J. A. Reyntjes, 1952; J. Hirsch et al., 1954). Naniniwala kami na ang paglabag sa intelligibility ay tinutukoy hindi ng FUNG sa pangkalahatan, ngunit sa pamamagitan ng hindi pantay na pagtaas ng loudness para sa iba't ibang frequency ng speech range sa partikular (A. I. Lopotko, 1967, 1975).

Ang mga kontrobersyal na ideyang ito ay makikita rin sa pagsusuri ng senile hearing loss. Inilarawan ni D. Waal (J. Waal, 1962) ang mga matarik na articulation curves na may pagkamit ng pinakamataas na antas ng intelligibility sa maraming kaso ng presbycusis sa kawalan ng FUNG. Kasabay nito, sina G. Pestalozza at I. Shore (G. Pestalozza, I. Shore, 1955) sa ilalim ng magkatulad na mga kondisyon ay nabanggit ang mababang katalinuhan. Ang iba pang mga pananaw ay ipinahayag din tungkol sa simula at paksa ng mga kapansanan sa pandinig sa pagsasalita na may kaugnayan sa edad. Iminumungkahi ng E. Konig (E. Konig, 1966, 1969) na ang sanhi ng mga karamdamang ito ay maaaring mga involutional na pagbabago sa lahat ng antas ng auditory neural pathway - mula sa cochlea hanggang sa cerebral cortex.

I. Melrose et al. (1. Melroze et al., 1963), gayundin si M. Bergman (M. Bergman, 1971) ay naniniwala na ang phonemic regression syndrome ay hindi kinakailangang kasama sa pagtanda. H. N. Evertsen at B. Nielson (N. N. Ewertsen, B. Nielsen, 1971) ay walang nakitang makabuluhang pagkakaiba sa katangian ng pandinig sa pagsasalita sa mga taong 20, 50 at 70 taong gulang. I. Chirike et al. (I. Kirikae et al., 1964) ay hindi rin nakahanap ng makabuluhang pagkakaiba sa edad sa likas na katangian ng diskriminasyon sa pagsasalita. Ang higit pang mga kategorya ay sina W. Hallerman at P. Plath (W Hallerman; P. Plath, 1971), na nagpahayag na ang isang makabuluhang kapansanan sa diskriminasyon sa pagsasalita, na hindi nabayaran ng pagtaas ng intensity nito, ay hindi tugma sa sindrom ng physiological presbycusis.

Marami pa ring kawalan ng katiyakan tungkol sa mga pamantayan ng pandinig na nauugnay sa edad para sa pagsasalita.

Isinasaalang-alang ang nasa itaas na sinabi ni A.I. Lopotko (1971, 1979), ang mga espesyal na audiological na pag-aaral ay isinagawa. Sa kasong ito, binigyan ng espesyal na pansin ang paghahambing ng mga pagbabagong nauugnay sa edad sa pandinig para sa mga signal ng tonal at pagsasalita. Ang mga pag-aaral ay isinagawa na isinasaalang-alang ang mga kilalang prinsipyo ng speech audiometry gamit ang AR-03 device. Gumamit ang gawain ng Russian phonetically balanced word table, na inangkop para sa clinical audiometry (G.I. Grinberg et al., 1957), na sinasalita sa boses na pagsasalita. Kasabay nito, ang mga threshold para sa pang-unawa ng undifferentiated speech (HP) ay itinakda, mga antas ng 10-20, 50, 70-80 at 90-100% intelligibility, pati na rin ang intelligibility (%) sa maximum na pakinabang sa audiometer. (110 dB). Kaayon ng speech audiometry, ang tonal audiometry ay isinagawa ayon sa karaniwang tinatanggap na pamamaraan sa hanay ng 125-8000 Hz at ang loudness function ay tinasa. 330 otologically malusog na tao na may edad 18 hanggang 93 taon ay pinag-aralan. Ang average na data ng grupo ay kinakalkula sa pagtatatag ng mga agwat ng kumpiyansa.

Ang likas na katangian ng phonemic disorder ng phonemic regression (G. N. Gaeth, 1948) ay hinuhusgahan ng hanay ng intelligibility (ang pagkakaiba sa intensity mula sa threshold para sa pang-unawa ng undifferentiated speech sa antas ng 90-100% intelligibility, kung nakamit), sa pamamagitan ng ang antas ng pinakamataas na katalinuhan, bahagyang sa pamamagitan ng katalinuhan ng pagsasalita na may pinakamataas na pakinabang sa audiometer, pati na rin sa pamamagitan ng paghahambing ng tunay at kalkuladong katalinuhan, na binigyan ng isang espesyal na lugar. Ito ay batay sa isang paghahambing ng data ng audiometry ng tono at pagsasalita. Gayunpaman, ang paghahambing na ito ay isinagawa hindi ayon sa mga pamamaraan na karaniwan sa audiometry, ngunit ayon sa pamamaraan na pinagtibay sa teorya ng komunikasyon.

Ang katotohanan ay dalawang grupo ng mga pamamaraan ang kasalukuyang ginagamit kung saan ang pagdinig sa pagsasalita ay kinakalkula batay sa tonal na pagdinig. Ang unang pangkat ng mga diskarte, kadalasang ginagamit sa audiometry, ay mahusay na hinuhulaan ang pangkalahatang antas ng pagkawala ng pandinig - pagkawala ng pang-unawa ng mga tunog ng pagsasalita (S. G. Kristosturyan, 1960; E. M. Kharshak, 1964, 1966; J. Hirsh et al. T 1952). Ang pangalawang pangkat ng mga diskarte, na bihirang ginagamit sa audiometry, ay ginagawang posible na mahulaan ang tunay na katalinuhan sa mataas na antas (B.V. Bogdanov, 1955; N.B. Pokrovsky, 1962).

Ang hula ng pangkalahatang antas ng pagkawala ng pandinig para sa pagsasalita, na malawakang ginagawa sa audiological na kasanayan, ay maaaring isagawa nang direkta mula sa isang purong-tono na audiogram (A. I. Kolomiychenko, N. S. Sheiman, 1962; A. I. Lopotko, 1966; J. Harris et al., 1956. , atbp.). Ang batayan para sa analytical na pagkalkula ng syllabic, verbal at phrase intelligibility ay maaari lamang ang intelligibility ng mga formant, na nauunawaan bilang ang lugar ng konsentrasyon ng enerhiya sa spectrum ng mga tunog ng pagsasalita (M. A. Sapozhkov, 1963).

Isinasaalang-alang ang nasa itaas, ang antas ng sensasyon ng mga formant (E") ay natukoy namin sa bawat isa sa 20 pantay na mauunawaan na speech band kung saan hinati ang spectrum ng pagsasalita:

E" = Вр+К-(b0 + b),

kung saan ang BP ay ang karaniwang antas ng pandamdam sa pagsasalita; K ay ang logarithmic width ng critical speech band; b - pagpapalambing ng audiometric tract sa kabuuan; b0 - threshold ng audibility ng isang tono mula sa antas na 2.10 hanggang -5 degrees Pa sa loob ng hanay na 250-8000 Hz.

Alam ang antas ng formant sensation, ang kabuuang intelligibility ng formants (A) ay kinakalkula sa buong hanay ng pagsasalita. Sa wakas, ginamit ang katalinuhan ng mga formant upang matukoy ang kakayahang maunawaan para sa verbal voiced speech (W, %).

Ang batayan para sa aming mga kalkulasyon ng verbal intelligibility ay ang mga na-average na audiogram ng tono sa hanay ng 250-8000 Hz ng air conduction (A. I. Lopotko, 1973), na itinatag para sa 6 na pangkat ng edad (16-19 taon, 20-29, 30-39, 40). -59 , 60-69, 70 taon at mas matanda). Isinasaalang-alang ng mga kalkulasyon ang hindi pantay ng frequency response ng audiometric path.

Ang mga resulta ng pananaliksik ay nagpakita ng mga sumusunod. Sa edad, mayroong proporsyonal na pagbaba sa pandinig para sa boses na pananalita. Gayunpaman, dapat tandaan na para sa mga pangkat ng edad na 40-49 at 50-59 taon, pati na rin ang 70-79 at 80 taon at mas matanda, hindi kami nakapagtatag ng anumang makabuluhang pagkakaiba. Kaugnay nito, itinuring naming angkop na pagsamahin ang mga pangkat na ito sa dalawa - 40-59 at 70 taon at mas matanda.

Ang kapansanan sa pandinig sa pagsasalita ayon sa audiometric data ay ipinahayag sa isang pagkasira sa speech perception, graphically manifested sa pamamagitan ng isang pahalang na paglipat ng intelligibility growth curves sa kanan. Ang diskriminasyon sa pagsasalita ay napinsala sa isang mas mababang lawak (intelligibility na hindi nabayaran ng tumaas na intensity). Ang kapansanan sa perception ng undifferentiated speech (HP) at ang threshold ng 10% intelligibility ay proporsyonal sa kapansanan ng pandinig sa mga tono sa hanay na 1000-2000 Hz, sa kondisyon na ang mga threshold para sa parehong uri ng mga signal ay itinatag sa dB na may kaugnayan sa data ng unang pangkat ng edad.

Ang mga menor de edad na kaguluhan sa pang-unawa ay nagsimulang lumitaw sa edad na 30-40. Gayunpaman, medyo kapansin-pansin ang mga ito sa mga taong higit sa 60 taong gulang (Larawan 1). Ang pagbabago sa mga curve ng intelligibility sa mga taong higit sa 70 taong gulang na may kaugnayan sa mga curve sa mga taong 16-19 taong gulang ay nasa antas ng HP na 24.6 dB. Ang kapansanan sa diskriminasyon sa pagsasalita sa mga matatandang tao, na sumasalamin sa kababalaghan ng phonemic regression, ay nagpakita mismo sa anyo ng isang bahagyang pagtaas sa hanay ng intelligibility (DR). Kung sa mga taong nasa unang pangkat ng edad ang DR ay 27.9 dB, pagkatapos ay higit sa 69 taong gulang ito ay 32.2 dB. Dapat pansinin na sa mga matatandang tao, ang DR ay kinakalkula lamang para sa mga kaso kung saan naitatag ang antas ng 90-100% na katalinuhan.

kanin. 1. Mga kurba ng paglaki sa pagiging madaling maunawaan ng binibigkas na pagsasalita sa mga taong may iba't ibang pangkat ng edad:

a - binuo batay sa pang-eksperimentong data. Ang may tuldok na linya ay nagpapahiwatig ng mga antas ng pagiging madaling maunawaan na hindi naitatag sa lahat ng kaso; sa kanan kasama ang ordinate - speech intelligibility sa maximum (110 dB) audiometer gain;

b - mga kurba na binuo mula sa kinakalkula na data; c - na-average na mga audiogram ng tono (sa ibaba ay ang mga halaga ng DPS para sa mga taong higit sa 70 taong gulang). Sa audiograms, ang mga serial number ng mga pangkat ng edad ay: 1 - 16-19; 2 - 20-29; 3 - 30-39; 4 - 40-59; 5 - 60-69; 6 - 70 taon at mas matanda.

Sa ordinate axis ng speech audiograms - word intelligibility (W) sa porsyento: sa x axis - speech intensity sa dB: (1) - kapag sinusukat mula sa antas ng perception ng undifferentiated speech sa mga taong 16-19 taong gulang; P - mula sa antas ng 2x10-5 Pa.

Ang isang mas malinaw na tagapagpahiwatig ng phonemic regression sa mga matatanda ay ang paglitaw ng hindi natukoy na mataas na antas ng katalinuhan. Sa mga taong may mas matandang pangkat ng edad, ang kababalaghan ng isang "paradoxical na pagbaba sa intelligibility" ng pagsasalita ay madalas na naobserbahan sa pinakamataas na nakuha para sa audiometer (110 dB). Ito ay humantong sa ang katunayan na ang average na antas ng intelligibility sa tinukoy na pakinabang ay 83% para sa mga taong 60-69 taong gulang, at 64% para sa mga taong higit sa 70 taong gulang.

Sa edad, hindi lamang ang mga average na halaga ng mga threshold ng pagsasalita ay tumataas, kundi pati na rin ang kanilang pagkalat.

Kaya, ang data na ipinakita ay nagpapahiwatig ng isang nauugnay sa edad na progresibong pagkasira sa pandinig sa pagsasalita, na ipinakita lalo na sa may kapansanan sa pagdama sa pagsasalita. Ang ganitong uri ng kapansanan ay nabayaran sa pamamagitan ng pagtaas ng intensity ng signal ng pagsasalita at graphical na ipinakita sa pamamagitan ng isang pahalang na paglipat ng articulation curve sa kanan. Ang mga phonemic na karamdaman sa pandinig, salungat sa mga inaasahan, ay bahagyang tumaas sa edad. Ang ganitong uri ng paglabag ay ipinakita sa kabiguan na magtatag ng mataas na antas ng kakayahang maunawaan, sa isang bahagyang pagtaas sa dynamic na hanay nito, at sa isang katamtamang pagkakaiba sa pagitan ng eksperimental at kinakalkula na kakayahang maunawaan (tingnan ang Fig. 1). Sa partikular, ang sinusukat na katalinuhan ng 70-80% sa mga taong 60-69 taong gulang ay itinatag sa isang intensity na 3-5 dB na mas mataas kaysa sa kinakalkula.

Bilang karagdagan, ang mataas (85-100%) na antas ng katalinuhan ay bihirang matukoy sa mga matatanda at lalo na sa mga taong may edad na. Ayon sa kinakalkula na data, ang mga antas na ito, bagaman asymptotically, ay itinatag.

Lopotko A.I., Pluzhnikov M.S., Atamuradov M.A.

Senile hearing loss (presbycusis)

Batay sa natanggap Hessom Ang data (Hess), na may speech audiometry sa ilang taong may pagkawala ng pandinig, diskriminasyon, o speech intelligibility, ay higit na may kapansanan kaysa sa tono ng pandinig. Tinawag niyang “phonemic regression” ang disorder ng phonemic na pandinig na ito. Ito ay mas karaniwan sa katandaan, na may neuritis o senile na pagkawala ng pandinig. Ang isang purong-tono na audiogram ay nagpapakita ng bahagyang pagbaba sa pandinig, unti-unting tumataas sa matataas na frequency, habang ang phonemic na pandinig ay hindi naaangkop nang hustong nababawasan.

Madalas sabay-sabay may sakit may mga sintomas ng mga vascular disorder. Ayon sa may-akda, ang phonemic regression ay nauuna sa mas malubhang karamdaman ng aktibidad ng pag-iisip at sanhi ng bahagyang pagkagambala ng sirkulasyon ng dugo sa utak. Ayon kay Carhart, ang phonemic regression ay tanda ng central deafness.

Isang maagang tanda pagkawala ng pandinig sa cortical ay isang paglabag sa naiintindihan na pananaw sa pagsasalita sa ilalim ng mga kondisyon ng mental na stress, pag-igting, pati na rin sa pagkakaroon ng pagkagambala sa ingay o maliit na mga depekto sa diction ng nagsasalita. Naitatag namin na, sa mga tuntunin ng oras ng paglitaw nito, madalas itong nauuna sa isang kapansin-pansing pagbaba sa pang-unawa ng mga purong tono. Marami sa mga pasyenteng ito ay nagkaroon ng pagbaba lamang sa C4096 sa loob ng 10-15 dB.

Kasunod nito, ang paglabag ay nabanggit sa karaniwan sitwasyon. Kapag sinusuri ang pandinig, ang dissociation sa pagitan ng pagsasalita at tonal na pagdinig at pagtaas ng pagkapagod ng organ ng pandinig ay ipinahayag. Sa wakas, sa huling yugto, dahil sa pagkalat ng pagsugpo sa pamamagitan ng sound analyzer system sa mga subcortical node, ang tonal na pagdinig ay lumalala rin.

Malinaw na pandinig, pang-unawa at pag-unawa sa pagsasalita kumakatawan sa pinakamataas na function ng cortical end ng auditory analyzer. Isinasagawa ito batay sa mga pansamantalang koneksyon na binuo sa isang tao sa proseso ng pag-master ng pagsasalita sa pamamagitan ng pag-highlight ng mga senyales ng pagsasalita at pag-iwas sa iba pang hindi mahalagang mga palatandaan. Ang karagdagang, kahit na maliit, pagbaluktot sa paghahatid ng mga tunog ng pagsasalita sa pamamagitan ng kagamitan sa radyo at telepono ay nagdaragdag ng mga kinakailangan para sa pagsusuri at synthesis, na mahirap makayanan sa kaso ng isang karamdaman sa functional na aktibidad ng cerebral cortex. Ito ang nagpapaliwanag sa maagang paglitaw ng mga kahirapan kapag nakikinig sa radyo, nakikipag-usap sa telepono, atbp.

Pagkasira karunungan sa pagsasalita pangunahing natukoy na may kaugnayan sa mga salitang monosyllabic; Kasabay nito, maaari pa ring mapanatili ang mahusay na pagkakaintindi ng dalawang pantig na salita. Kaya, kung naiintindihan ng isang pasyente ang mga monosyllabic na salita sa layo na hindi hihigit sa 1 m, pagkatapos ay maririnig niya ang mga disyllabic na salita na humigit-kumulang sa parehong komposisyon ng tunog sa layo na 5-6 m. Ang mga pasyente ay nagreklamo sa doktor na nahihirapan silang marinig ang boses ng isang tao. pagsasalita at madalas magtanong muli, na kung saan ay kinumpirma ng pag-aaral ng pasalita at pabulong na pananalita; Samantala, ang tono ng audiogram ay maaaring ganap na normal. Napansin namin ang isang matalim na dissociation sa pagitan ng tonal at speech hearing sa ilang mga pasyente na may hypertension.

Dapat itong bigyang-diin para sa hypertension Karaniwan walang malalim na kaguluhan sa pagsusuri at synthesis ng pagsasalita, tulad ng nabanggit sa mga pasyente na may pinsala sa cortex ng kaliwang temporal na lobe ng utak. Kung ang mga salita ay binibigkas nang malakas, ang pagsusuri ay nangyayari nang normal. Ayon sa ilang mga ulat, ang hypertension ay sinamahan ng hyperacusis - bahagyang excitability ng organ ng pandinig sa mataas na tunog na tunog.
Sa partikular, ito ay makikita sa katotohanan na sa malalakas na tunog ang mga pasyente ay gumanti sa pagtaas ng presyon ng dugo; Kapag inilagay ang mga pasyente sa isang tahimik at hindi tinatablan ng tunog na silid, bumababa ang presyon.