Internationaler Preis für Hörforscher

Exzellenzcluster „Hearing4all“kann Testhörer mit Ergebnissen überzeugen

Oldenburg/lr – Ein Team von Wissenschaftlern der Universität Oldenburg hat in der „Clarity Enhancement Challenge“, einem Wettbewerb britischer Universitäten zum Einsatz des maschinellen Lernens für die Verbesserung der Leistungsfähigkeit von Hörgeräten, den ersten Preis erzielt. In Tests mit hörbeeinträchtigten Probanden erzielten die Lösungen der Oldenburger Forscher aus dem DFG-geförderten Exzellenzcluster „Hearing4all“die besten Ergebnisse.

„Der Sieg bei diesem hochkarätig besetzten internationalen Wettbewerb ist ein Beweis für die hohe Qualität der Hörforschung am Standort Oldenburg“, sagt Professor Simon Doclo, Leiter des Teams Direktor des Departments für Medizinische Physik und Akustik der Universität Oldenburg.

Geräusche filtern

Durch die Hörforschung kann der Alltag von hörgeschädigten Menschen stark verbessert werden. Bei Gesprächen im Restaurant, auf Partys oder auf einem belebten Bahnhof ist es zum Beispiel schwierig, sich gegenseitig zu verstehen, weil Hintergrundgeräusche die Sprache überlagern. Menschen mit Hörbeeinträchtigungen seien von diesem Effekt besonders betroffen, erklären die Forscher. Gesunde Hörer könnten Schall präzise räumlich wahrnehmen und eine Schallquelle ge

Die Forschungsergebnisse dienen auch dazu, Hörgeräte immer weiter zu verbessern. nau lokalisieren. Dies ermögliche es dem Gehirn, die Aufmerksamkeit auf diese Schallquelle zu fokussieren und störende Geräusche quasi „herauszufiltern“. Obwohl die Leistungsfähigkeit von Hörgeräten sich in den letzten Jahren ständig gesteigert habe, funktioniere ihre „Filterfunktion“noch immer nicht so gut wie bei Normalhörenden. Die Verbesserung der Sprachverständlichkeit in lauter Umgebung sei daher noch immer eine der wichtigsten Herausforderungen bei der Entwicklung von Hörgeräten und Hörimplantaten.

Testhörer begeistert

Ziel der Hörforschung sei es nun, die Prozessoren in Hörhilfen so zu programmieren, dass sie in der Lage sind, relevante Schallquellen von nicht relevanten zu unterscheiden und die entsprechenden Schallsignale zu verstärken beziehungsweise zu unterdrücken. Dabei kommen zunehund mend sogenannte MachineLearning-Algorithmen zum Einsatz, die auf große Datenmengen trainiert werden und darauf aufbauend Muster und Gesetzmäßigkeiten in den aufgenommenen Signaldaten wiedererkennen können. Der Schlüssel zum Erfolg lag im Einsatz eines Systems, das Signale an beiden Ohren verarbeitet und auf diese Weise Schallquellen im Raum orten kann. Störsignale und Halleffekte wurden in einem zweistufigen Filtersystem reduziert. In einer simulierten Testsituation mit digitalen Hörbeispielen überzeugte diese Lösung die 45 Testhörer mit Hörbeeinträchtigungen – und zwar noch vor von den zahlreichen anderen Wettbewerbsbeiträgen aus der ganzen Welt.