Onderzoek TU Eindhoven verbetert hoortoestellen met machine learning in Eindhoven

Wetenschappers van de TU Eindhoven hebben een nieuwe aanpak ontwikkeld met machine learning om het cocktailpartyprobleem in hoortoestellen te verbeteren. Dit probleem maakt het lastig voor mensen met gehoorverlies om in drukke ruimtes één stem te onderscheiden. Promovendus Luan Fiorio richtte zich op het trainen van software zonder labels, wat de technologie efficiënter en persoonlijker maakt.

Het cocktailpartyprobleem beschrijft hoe mensen met normaal gehoor in staat zijn om een specifieke stem te isoleren in een rumoerige omgeving, terwijl dit voor mensen met gehoorverlies vaak onmogelijk is. Hoortoestellen kunnen hierbij helpen, maar de huidige technologie heeft nog beperkingen. Luan Fiorio verdedigde onlangs zijn proefschrift aan de Technische Universiteit Eindhoven waarin hij een nieuwe benadering introduceert die gebruikmaakt van machine learning.

Een belangrijk onderdeel van zijn onderzoek was het ontwikkelen van een algoritme dat geluiden kan herkennen zonder gebruik te maken van labels. Fiorio legt uit dat labels vaak vooroordelen bevatten, omdat verschillende mensen dezelfde geluiden anders kunnen beschrijven. Door te werken met onbegeleid leren, waarbij het systeem zichzelf traint zonder vooraf bepaalde antwoorden, wist hij deze uitdaging te omzeilen.

Efficiëntere hoortoestellen
De technologie van Fiorio richt zich op het verbeteren van hoortoestellen met minder rekenkracht en een lager batterijverbruik. Dit maakt het mogelijk om meer gepersonaliseerde apparaten te ontwikkelen die zich aanpassen aan de specifieke behoeften van de drager en de omgeving waarin ze zich bevinden. Hij benadrukt dat dit een belangrijke stap is richting de toekomst van hoortoestellen.

Hoewel Fiorio zijn software niet kon testen op apparaten die daadwerkelijk door mensen worden gebruikt, controleerde hij de resultaten met meetgegevens en audioclips. Hij wijst erop dat onderzoekers vaak geen toegang hebben tot de benodigde testapparatuur, omdat deze voornamelijk intern door fabrikanten wordt gebruikt.

Toekomstige ontwikkelingen
Volgens Fiorio zal machine learning een steeds grotere rol spelen in audioprocessing. Naarmate computerchips efficiënter worden, zullen hoortoestellen meer afhankelijk worden van deze technologieën. Hij gelooft dat zijn onderzoek een belangrijke basis biedt voor apparaten die on-the-fly leren en zich tijdens gebruik aanpassen aan de wensen van de gebruiker.

Na zijn promotie aan de TU Eindhoven gaat Fiorio verder met zijn werk bij GN Hearing, een Deens bedrijf dat gespecialiseerd is in gehoorapparaten. Zijn doel is om bij te dragen aan de ontwikkeling van innovatieve hoortoestellen die het leven van mensen met gehoorverlies verbeteren.