蝸牛内蝸電図データセット | 温州ベントディフューゾーア株式会社

Scientific Data volume 10、記事番号: 157 (2023) この記事を引用

630 アクセス

1 オルトメトリック

メトリクスの詳細

蝸牛電図検査 (ECochG) は、音響刺激に応答した電気生理学的内耳電位を測定します。これらの電位は内耳の状態を反映し、その残存機能に関する重要な情報を提供します。人工内耳 (CI) 移植者の場合、インプラント電極を使用して蝸牛内で ECochG 信号を直接測定できます。これらの記録は、移植中および移植後の任意の時点で行うことができます。ただし、ECochG 信号の分析と解釈は簡単ではありません。科学界を支援するために、当社は蝸牛内 ECochG データセットを提供しています。このデータセットは、人工内耳を使用して 46 の耳から記録された 4,924 個の信号で構成されています。音響聴覚が残存している被験者の電極挿入直後または術後のデータを収集しました。このデータ記述子の目的は、研究コミュニティが当社の包括的な電気生理学的データセットとアルゴリズムにアクセスできるようにすることです。これには、生データの取得から信号処理、ディープラーニングを使用した客観的分析までのすべてのステップが含まれます。さらに、被験者の人口統計データ、聴力閾値、主観的ラウドネスレベル、インピーダンステレメトリー、X線検査所見、ECochG信号の分類も収集しました。

蝸牛電図検査 (ECochG) は、音響刺激に応答した電気生理学的内耳電位を測定します。これらの電位は内耳の状態を反映し、その残存機能に関する重要な情報を提供します。 ECochG は 4 つの異なる信号成分をカバーする包括的な用語です。すなわち、i) 蝸牛マイクロフォニック (CM、外有毛細胞応答)、ii) 聴神経ニューロフォニック (ANN、初期神経および内有毛細胞応答)、iii) 複合作用です。電位（CAP、初期聴覚神経反応）、および iv) 合計電位（SP、主に内有毛細胞反応）1、2、3、4、5。

人工内耳 (CI) 患者では、インプラント電極を使用して、蝸牛内で ECochG 信号を直接測定できます。測定は移植中および移植後に実行できます。移植プロセス中に、外傷性の力によって突然の信号変化が引き起こされる可能性があることが研究によって示されています6、7、8、9、10、11、12、13、14。したがって、リアルタイムの ECochG トレースは、外科医の触覚認識を補完することができます 6、8、9、10、11、15、16、17、18、19、20。 ECochG は、患者が残存する蝸牛機能を失う可能性がある術後段階でも役立ちます 21,22。最も一般的には、このような損失は、さまざまな蝸牛内要因（電極に対する免疫反応、蝸牛内炎症反応、蝸牛内瘢痕組織形成など）により、インプラント手術後最初の 6 ～ 12 か月の間に発生します 23、24、25。 27. しかし、根底にあるメカニズムは依然としてよく理解されておらず、さらなる研究が必要です24。要約すると、CI レシピエントでは、インプラント手術中および手術後の ECochG 測定によって蝸牛の健康状態がマッピングされるため、インプラント電極に応じた蝸牛機能の理解を向上させる大きな可能性があります。

ただし、ECochG 信号の解釈は簡単ではなく、トレーニングが必要です。信号振幅と信号対雑音比 (SNR) は個人によって大きく異なる場合があります。さらに、ECochG トレースの形態と潜時は、残りの神経感覚細胞の影響を受けます 10、28、29、30。

最近まで、ECochG シグナルの評価は専門家による視覚分析に基づいていました。このアプローチには、高度な経験が必要であること、専門家に依存した分析では再現性が欠如し、これらの測定の適用が制限される可能性があることなど、いくつかの欠点があります。我々は以前、ECochG 信号が存在するかどうかを判断するための機械学習ベースの客観的な方法を紹介しました 31。これにより、3 人の専門家が 4,000 を超える ECochG 信号にラベルを付けて、機械学習アルゴリズム (前処理ステップと畳み込みニューラルネットワーク (CNN) で構成) をトレーニングおよびテストしました。

このデータ記述子の目的は、研究コミュニティに当社の包括的な電気生理学的データセットとアルゴリズム（つまり、単一エポックレベルまでアクセスできる生データ、前処理およびSNR強化アルゴリズム、3人の独立した人間の専門家による視覚的にラベル付けされたデータ）へのアクセスを提供することです。、および訓練された深層学習ネットワーク AlexNet)31。これらのデータは、測定された聴力閾値、主観的ラウドネスデータ、人口統計データ、インピーダンステレメトリ測定値、および放射線撮影パラメータによって補完されます。

このデータセットの潜在的な用途には、(i) 深層学習ネットワークの改良とさらなる使用 31、(ii) 前処理および SNR 強化アルゴリズムとデータ分析の改善 16、31、32、33 が含まれますが、これらに限定されません。 iii) ECochG 信号成分およびインピーダンス測定値と聴力閾値との相関 15、16、21、22、34、(iv) ECochG データの縦断的評価および再現性評価 21、および (v) 複数周波数および広帯域 ECochG と純粋な信号との相関トーンECochGと聴力閾値35．

この記述子に示されているデータは、地元の治験審査委員会 (ベルン州倫理委員会、BASEC ID 2019-01578) によって承認された研究で収集されたものです。すべての参加者は、参加前に書面による同意を取得し、適切に匿名化されたデータの使用に同意しました。

人工内耳 (MED-EL、オーストリア、インスブルック) を使用して、41 人の成人被験者 (n = 46 の耳) から ECochG トレースを記録しました。対象者の平均年齢は58歳（SD = 17.4歳、範囲：21～86歳）であった。純音聴力検査は、臨床聴力計 (Interacoustics、ミデルファート、デンマーク) を備えた認定音響室で実施されました。聴力閾値は、手術の直前（コホート A）、または術後の測定の場合（コホート B）、ECochG 測定当日に収集されました。 125、250、500、750、1000、1500、2000、および 4000 Hz での純音気導聴力閾値を dB 聴力レベル (HL) で取得しました。コホート A には、500 Hz での聴力閾値が 100 dB 聴力レベル (HL) 以上の被験者のみを含めました。コホート B については、移植後 6 か月以上経過しても聴覚が安定している被験者のみを考慮しました。聴覚閾値の変化が 10 dB 未満であれば、音響聴覚は安定しているとみなされました。コホートBでは、被験者は図136に従って音響刺激の大きさを分類しました。

主観的な音量のカテゴリ。コホート B の被験者は、各音響刺激強度をこれらのカテゴリのいずれかに分類しました。

ECochG 記録は、MED-EL Maestro 研究ソフトウェア (バージョン 8.03 AS および 9.03 AS) を使用して実行されました。音響刺激は Dataman 531 波形発生器 (Dataman、イギリス、メイデンニュートン) によって生成され、Etymotic ER-3C トランスデューサー (Etymotic、米国イリノイ州グローブビレッジ) によって音に変換されました。音響刺激は、MED-EL MAX インターフェイスを介してトリガーされました。詳細については、19 を参照してください。

純音、クリック、および SPL チャープ刺激に応答する ECochG 信号を測定しました (表 1 および図 2 を参照)。 2 つの極性 (凝縮、CON および希薄化、RAR) とそれぞれ 100 回の繰り返し (エポック) を記録しました。すべての ECochG 記録は安定した電極位置で測定されました。電極挿入が完了した後の手術室（コホート A、25 耳、測定設定は 19,37 にあります）、または認定音響室の術後環境（コホート B、21 耳）のいずれかです。これにより、電極 1 (最も先端の電極)、4、7、10 で、3 つの異なる音響強度レベル (閾値以上のレベル、閾値近くのレベル、閾値以下のレベル) に応じて ECochG トレースを測定しました。強度レベルは、実験前に測定された個々の聴力閾値を使用して計算されました。私たちの目標は、さまざまな SNR で応答を引き起こすことでした。コホート B では、長期的なデータを取得するために、ECochG 記録を 3 回繰り返しました。 i) 挿入後少なくとも 6 か月。 ii) 最初の測定後 2 ～ 48 時間以内。 iii) 最初の測定から 2 ～ 4 か月後。

波形発生器とトランスデューサーによってそれぞれ生成された電気信号 (左) と音響信号 (右): A) 500 Hz 純音、B) クリック、C) SPL チャープ v1、および D) SPL チャープ v2 刺激。時間軸 (X 軸) のスケーリングが異なることに注意してください。振幅軸 (Y 軸) は正規化されました。音響信号は、頭部および胴体シミュレーター (タイプ 5128-C-111、Brüel & Kjær、Virum、デンマーク) およびオーディオアナライザー (XL2、NTi Audio AG、Schaan、Lichtenstein) を使用して測定されました。電気信号は、オシロスコープ (TDS 1002B、Tektronix、ビーバートン、オレゴン州、米国) を使用して測定されました。

ECochG 信号を前処理するために、次の手順を実装しました (詳細については 31 を参照)。 i) 必要に応じて、ステッチングアーティファクトを除去します。 ii) 相関のないエポックを除去するために 33 から適応されたガウス加重平均法の適用。 iii) 順方向-逆方向フィルタリングモードでの 2 次バターワースバンドパスフィルターの適用 (視覚的分析の場合は 10 Hz/5 kHz、目的のアルゴリズムの場合は 100 Hz/5 kHz のカットオフ周波数)。 SNR は±平均法 38 を使用して計算されました。上記の前処理手順は、39 で入手可能な Python スクリプト do_preprocessing.py を使用して実行されました。

さらなる分析のために、さまざまな ECochG 信号成分を計算しました。 CON 応答と RAR 応答を差し引くことで CM 信号を強調しました40。減算された結果には他の ECochG コンポーネントも含まれる可能性があるため、以下の本文では「CM/DIF」信号という用語を参照します32。 ECochG 応答を CON および RAR 刺激に加えることにより、ANN シグナルを計算しました3。以下のテキストでは、それを「ANN/SUM」応答と呼びます。

視覚的な分析では、この分野で数年の経験を持つ 3 人の独立した専門家によってデータにラベルが付けられました。データは、Labelbox41 を使用して提示され、i) CM/DIF トレース、ii) ANN/SUM トレース、iii) CON および RAR トレース、および iv-vi) それらの対応する高速フーリエ変換 (FFT) 振幅スペクトルを示す図を提示しました。例を図 3 に示します。ラベリングプロセスでは、CM/DIF 応答の識別とそのバイナリラベリング (ECochG 応答の可視/非可視) に重点が置かれました。このため、専門家は判断を迫られた。そうしないと、次の信号トレースに進むことができません。ただし、ANN/SUM および CAP 応答のラベル付けについては、あいまいな場合には、回答がスキップされる可能性があります。評価の偏りを避けるため、試験官は評価について議論しなかった。 2 人の検査者によって目に見える CM/DIF 応答として分類され、3 人目の検査者によってノイズとして分類された信号が 2 回目に提示されました。ただし、3 人の専門家全員が信号を可視と評価した場合 (第 2 ラウンドで)、そのようにマークされました。これはボラティリティエラーを避けるために行われました。最後に、ラベル付き応答を使用して、31 で示された深層学習アルゴリズムをトレーニングしました。

ECochG トレースの視覚分析は、6 つのサブプロットを使用して実行されました。 A) CM/DIF トレース、C) ANN/SUM トレース、E) CON および RAR トレース、B、D、F) それらの FFT トレース。灰色の縦線は刺激期間を示します。垂直の破線は、予想される応答の頻度を示します。

各測定セッションの前に、インピーダンステレメトリー測定を実行しました。メーカーが推奨するデフォルトの録音設定を使用しました。持続時間 26.67 μs および振幅 302.4 cu (1 電流単位 cu は約 1 μA に相当) の電荷バランスの取れた方形二相陰極の最初のパルスが刺激に使用され、結果として 8.06 qu (1 μA) の刺激電荷が生じました。電荷単位 qu は、約 1 nC)42 に相当します。電位は、インプラントハウジングに位置する接地電極を基準にして、陽極相の終わりに測定されました43、44。

解剖学的特徴は、Otoplan (ver. 1.02、CAScination、ベルン、スイス) を使用してコンピューター断層撮影 (CT) スキャンから抽出されました 45。スライス厚0.3mm以下のCT画像を使用した。蝸牛を定義するマーカーを設定しました（A値、正円窓と蝸牛の対側壁の間の距離、B値、A値に垂直な蝸牛の幅、H値、基底回転から心尖中心までの距離） 46、47。

この研究プロジェクト中に作成されたすべてのデータは、Dryad リポジトリからアクセスできます39。データセットは Bern ECochG SQL データベースに保存されており、図 4 に示すように 7 つのテーブルで構成されています。各テーブルには個別にアクセスできます。 Analysis テーブルを除くすべてのテーブルは、テーブルを接続するために使用できる共通の Subject id 属性を使用します。

ベルン ECochG データベースには 7 つのテーブルが含まれています。

被験者の人口統計データは、人口統計テーブルに保存されます。すべての属性のリストを表 2 に示します。被験者 ID は XX_Y として保存されます。ここで、XX は挿入後 (PI) または術後 (PO) で、Y は被験者ごとに増加する番号です。 Python スクリプト demographics.py は、人口統計データにアクセスする方法を示しています。

被験者の聴力閾値は、聴力閾値テーブルに保存されます。すべての属性のリストを表 3 に示します。コホート A については、即時、術前、および術後 3 ～ 5 週間の聴力閾値を提供します。コホート B については、術後最初の ECochG 記録前 (術後) と術後 3 回目の記録前 (術後 2) の聴力閾値をリストします。聴力閾値が欠落している場合は、セルを空白のままにしました。

テーブル ECochG には、すべての ECochG 生データが含まれます。すべての属性のリストは表 4 にあります。測定日は、測定がいつ実行されたかを示します。測定セッションは、測定がどのセッションに属するかを示します (0: 挿入後、コホート A、1 ～ 3: 術後測定、コホート B)。測定番号はセッションごとに昇順の番号です。刺激タイプは、録音にどの音響刺激が使用されたかを示します。刺激持続時間は、音響刺激の持続時間をミリ秒 (ms) 単位で示します。極性は、CON または RAR 刺激が使用されたかどうかを示します。刺激の音響振幅は、純音の場合は dB 聴力レベル (dB HL)、クリックおよび SPL チャープ刺激の場合は dB ピーク等価音圧レベル dB pe SPL で表されます29。録音ウィンドウには、録音の長さがミリ秒単位で表示されます。測定遅延は、音響刺激の開始と測定ウィンドウの開始の間の遅延を指定します。ほとんどの場合、測定遅延は 1 ミリ秒に設定されます。 Timeaxis と Signal は、JSON 文字列として保存される Numpy 配列です48、49。時間軸は 1 × N 配列として保存されました。ここで、N は時間サンプルを示します。信号は M × N として保存されました。M は記録されたエポックを示し、N は記録サンプルを示します。主観的音量は、被験者 (コホート B) によって知覚される音響刺激の大きさを表します。利用可能な応答を図 1 に示します。

前処理済みテーブルには、前処理ステップの後に生成されたデータが含まれます。属性は表 5 にリストされています。信号は s で示されます。

分析テーブルには、信号の視覚的かつ客観的な分析が含まれています。分析された信号は、CON 記録と RAR 記録のペアで構成されます。録音は、XX_Y.SESSION_NR.NR_CON.NR_RAR として表される ID を使用して追跡できます。 XX は PO または PI、Y は増加する被験者の識別番号を表し、SESSION_NR はセッション番号、NR_CON および NR_RAR は測定番号を表します (たとえば、PO_1.1.010.011 は術後の被験者の記録 #10 と #11 で構成されます)それぞれ 1 とセッション 1)。

分析は、CM/DIF (DIF)、ANN/SUM (SUM)、および CAP コンポーネントに対して実行されました。 ECochG コンポーネントは、検査者 (l1 ～ l3) と深層学習 (DL) アルゴリズムによってラベル付けされました。

CM/DIF 信号の客観的な分析は、純音刺激に対してのみ使用できます。ラベルのないコンポーネントは空白のままにしました。表 6 は、分析テーブルで使用できるすべての属性の概要を示しています。

解剖学的テーブルには解剖学的特徴が含まれています。すべての属性のリストは表 7 にあります。タイプは、解剖学的特徴が術前または術後の CT 画像から抽出されたかどうかを示します。蝸牛の形状は、A、B、C の値と蝸牛管長 (CDL)46 によって示されます。解剖学的特徴に関する一般的な統計を表 8 に示します。

Telemetry テーブルには、臨床日常のテレメトリ測定中に記録された値が含まれています。すべての属性のリストは表 9 にあります。臨床インピーダンスは、電極 (1 ～ 12) から接地電極までのインピーダンスを表します。臨床インピーダンスに関する一般的な統計を表 10 に示します。

ECochG システムはメーカーによって校正されました。記録された生データには変更は加えられませんでした。コホート A の測定の信頼性を高めるために、記録には滅菌イヤーチップを使用し、37 で提示されたガイドラインを適用しました。コホート B では、各測定セッションの前に、ECochG ハードウェアで測定された聴力閾値とオージオグラムを比較しました。このようにして、イヤーチップが正しく配置されていることを確認できました。この目的のために、39 から入手可能なカスタマイズされたソフトウェア AcousticStimulatorGUI を使用しました。このソフトウェアは Dataman 波形発生器と直接対話し、カスタマイズされた音響刺激の使用を可能にします。対応するハードウェアを備えたソフトウェアは、頭胴シミュレーター (Brüel & Kjær、タイプ 5128、Nærum、デンマーク) で校正されました。 AcousticStimulatorGUI は当社のハードウェアで調整されました。このソフトウェアを他のハードウェアと一緒に使用するには、新たなキャリブレーションが必要です。キャリブレーションパラメーターは、Dataman クラスの GetFrequencyOffset メソッドで調整できます。

ダウンロードを容易にするために、データベースは 7 つのデータ部分と空の Bern_ECochG データベースに分割されています。各パーツは .sql ファイルとして保存され、Bern_ECochG データベースに個別にインポートできます。すべてのパーツをダウンロードし、https://sqlitebrowser.org/ で入手可能な sqlitebrowser を使用して組み立てることをお勧めします。提供されている Python スクリプトは、データベースが完全に組み立てられている場合にのみ機能します。 Python スクリプトは、データベースにアクセスする方法を示します。 Python スクリプトとともに、スクリプトを実行するためのすべての依存関係をインストールするための .yml ファイルが提供されます。

提示されたデータの作成と処理に使用されるコードは 39 で提供されるか、オープンソースリポジトリ 48、49、50、51、52、53 の一部です。

デイビス、H.ら。蝸牛の電位を合計します。アメリカ生理学ジャーナル 195、251–261、https://doi.org/10.1152/AJPLEGACY.1958.195.2.251 (1958)。

論文 CAS PubMed Google Scholar

Zheng、XY、Ding、DL、McFadden、SL、Henderson、D。内有毛細胞が蝸牛加算電位の主な源であるという証拠。聴覚研究 113、76–88、https://doi.org/10.1016/S0378-5955(97)00127-5 (1997)。

論文 CAS PubMed Google Scholar

Snyder, RL & Schreiner, CE 聴覚ニューロフォニック: 基本特性。聴覚研究 15、261–280、https://doi.org/10.1016/0378-5955(84)90033-9 (1984)。

論文 CAS PubMed Google Scholar

Chertoff, M.、Lichtenhan, J. & Willis, M. クリックおよびチャープによって誘発される人間の複合活動電位。アメリカ音響学会ジャーナル 127、2992、https://doi.org/10.1121/1.3372756 (2010)。

論文 ADS PubMed PubMed Central Google Scholar

スコット、WCら。人工内耳を受ける被験者の複合活動電位。耳科学と神経耳学：米国耳科学会、米国神経耳学会、および欧州耳鼻科神経学会の公式出版物、37、1654、https://doi.org/10.1097/MAO.0000000000001224 (2016)。

記事 Google Scholar

キャンベル、L.ら。術中リアルタイムの蝸牛応答テレメトリーにより、人工内耳における聴力の維持を予測します。耳科学と神経学 37、332–338、https://doi.org/10.1097/MAO.0000000000000972 (2016)。

論文 PubMed Google Scholar

ダルバート、A.ら。人工内耳装着者の蝸牛外および蝸牛内の蝸牛電気検査。聴覚学と神経耳学 20、339–348、https://doi.org/10.1159/000438742 (2015)。

記事 Google Scholar

Weder, S. et al. 蝸電図のより深い理解に向けて: リアルタイム記録の分析。耳と聴覚 1560–1567、https://doi.org/10.1097/AUD.0000000000000871 (2020)。

Weder, S. et al. 人工内耳移植中のリアルタイムモニタリング: 残留聴力結果の予測精度が向上します。耳科学と神経学 42、E1030–E1036、https://doi.org/10.1097/MAO.0000000000003177 (2021)。

論文 PubMed Google Scholar

ベスター、C.ら。蝸牛のマイクロフォニック潜時は、動物モデルおよび臨床集団における外有毛細胞の機能を予測します。聴覚研究 398、https://doi.org/10.1016/J.HEARES.2020.108094 (2020)。

ベスター、C.ら。蝸牛電図による介入により、人工内耳移植中の残存聴力の維持に成功：ランダム化臨床試験の結果。聴覚研究 108353、https://doi.org/10.1016/J.HEARES.2021.108353 (2021)。

同上、ABら。人工内耳移植者における術中の蝸牛電気検査の臨床経験と、挿入外傷を軽減し、術後の聴力維持を改善する可能性。 PLOS ONE 17、e0266077、https://doi.org/10.1371/JOURNAL.PONE.0266077 (2022)。

記事 Google Scholar

アドゥンカ、O.F.ら。人工内耳電極挿入前後の正円窓蝸牛電気検査。喉頭鏡 126、1193–1200、https://doi.org/10.1002/LARY.25602 (2016)。

論文 PubMed Google Scholar

Radeloff、A. et al. 聴覚が残存している人工内耳患者における蝸牛マイクロフォニックスを使用した術中モニタリング。耳科学と神経学 33、348–354、https://doi.org/10.1097/MAO.0B013E318248EA86 (2012)。

論文 PubMed Google Scholar

ダルバート、A.ら。蝸牛外および蝸牛内の蝸牛電気検査による蝸牛移植中の蝸牛機能の評価。神経科学のフロンティア 12、18、https://doi.org/10.3389/FNINS.2018.00018/BIBTEX (2018)。

論文 PubMed PubMed Central Google Scholar

Krüger, B.、Büchner, A.、Lenarz, T. & Nogueira, W. 聴覚が残存している人工内耳使用者における蝸牛内電気蝸牛図の振幅増加。アメリカ音響学会誌 147、1147–1162、https://doi.org/10.1121/10.0000744 (2020)。

論文 ADS PubMed Google Scholar

Aebischer、P.ら。人工内耳電極アレイ挿入時の速度とアライメント角度の in vitro 研究。生物医工学に関する IEEE トランザクション 69、129–137 (2021)。

論文 PubMed Google Scholar

Krüger, B.、Büchner, A.、Lenarz, T. & Nogueira, W. 蝸牛電気検査法を使用した、同側残存聴覚を持つ人工内耳ユーザーにおける電気音響相互作用の測定。アメリカ音響学会誌 147、350、https://doi.org/10.1121/10.0000577 (2020)。

論文 ADS PubMed Google Scholar

Schuerch, K. et al. 人工内耳移植中に蝸牛内電気電図検査を実行します。 JoVE (視覚化実験ジャーナル) e63153、https://doi.org/10.3791/63153 (2022)。

Wijewickrema, S.、Bester, C.、Gerard, J.-M.、Collins, A. & O'Leary, S. 人工内耳手術中の蝸牛電気検査信号を使用した蝸牛反応の自動分析。 PLoS ONE 17、e0269187、https://doi.org/10.1371/JOURNAL.PONE.0269187 (2022)。

論文 CAS PubMed PubMed Central Google Scholar

ハウマン、Ｓ．ら。蝸牛電気検査を使用した人工内耳挿入中および挿入後の内耳機能のモニタリング。聴覚の傾向 23、233121651983356、https://doi.org/10.1177/2331216519833567 (2019)。

記事 Google Scholar

Koka, K.、Saoji, AA & Litvak, LM 聴覚が残存している人工内耳移植者の蝸牛電図検査: 聴力閾値との比較。耳と聴覚 38、e161–e167、https://doi.org/10.1097/AUD.0000000000000385 (2017)。

論文 PubMed Google Scholar

Mertens, G.、Punte, AK、Cochet, E.、Bodt, MD & Heyning, PVD 電気音響刺激患者における聴力維持の長期追跡調査。耳科学と神経学 35、1765–1772、https://doi.org/10.1097/MAO.0000000000000538 (2014)。

論文 PubMed Google Scholar

Gantz, BJ、Hansen, M. & Dunn, CC レビュー: 人工内耳における聴覚保護に関する臨床的展望、アイオワ大学の経験。聴覚研究 108487、https://doi.org/10.1016/J.HEARES.2022.108487 (2022)。

Wimmer, W.、Sclabas, L.、Caversaccio, M. & Weder, S. 残留聴力の潜在的なバイオマーカーとしての人工内耳の電極インピーダンス。神経学のフロンティア 0、1305、https://doi.org/10.3389/FNEUR.2022.886171 (2022)。

記事 Google Scholar

Nadol, JB、O'Malley, JT、Burgess, BJ & Galler, D. ヒトへの人工内耳移植に対する細胞免疫学的反応。聴覚研究 318、11–17、https://doi.org/10.1016/J.HEARES.2014.09.007 (2014)。

論文 CAS PubMed PubMed Central Google Scholar

Choi, CH & Oghalai, JS 移植後の蝸牛線維症が残留聴力に及ぼす影響を予測します。聴覚研究 205、193–200、https://doi.org/10.1016/J.HEARES.2005.03.018 (2005)。

論文 PubMed PubMed Central Google Scholar

Kim、JS、Tejani、VD、Abbas、PJ & Brown、CJ ハイブリッド人工内耳ユーザーによる術後蝸牛電気検査: 代替分析手順。聴覚研究 370、304–315、https://doi.org/10.1016/J.HEARES.2018.10.016 (2018)。

論文 PubMed PubMed Central Google Scholar

ポラック、M.ら。ヒトにおける生体内基底膜の時間遅延。 Brain Sciences 12、400、https://doi.org/10.3390/BRAINSCI12030400 (2022)。

論文 PubMed PubMed Central Google Scholar

ローレンス、A. et al. 聴覚を維持する人工内耳インプラント患者における蝸牛マイクロフォニックス。国際先進耳科学ジャーナル 15、345、https://doi.org/10.5152/IAO.2019.6334 (2019)。

論文 PubMed PubMed Central Google Scholar

Schuerch, K. et al. 機械学習を使用した蝸牛内蝸電図の客観化。神経学のフロンティア 0、1785、https://doi.org/10.3389/FNEUR.2022.943816 (2022)。

記事 Google Scholar

フィッツパトリック DC 他人工内耳移植直前の正円窓蝸牛電図検査: 成人における単語認識結果との関係。耳科学と神経学 35、64–71、https://doi.org/10.1097/MAO.0000000000000219 (2014)。

論文 PubMed Google Scholar

CL クマラガメージ、BJ リスゴー、ZK ムサビ蝸牛記録の SNR を改善するための新しい加重平均法の研究。 IEEE Transactions on Biomedical Engineering 63、340–347、https://doi.org/10.1109/TBME.2015.2457412 (2016)。

論文 PubMed Google Scholar

ショール、C.ら。側壁および蝸牛周囲の蝸牛移植後の内耳病理のバイオマーカーとしての電気インピーダンス。耳科学と神経耳学：米国耳科学会、米国神経耳学会、および欧州耳鼻科神経学会の公式出版物、40、E518–E526、https://doi.org/10.1097/MAO.0000000000002227 (2019)。

記事 Google Scholar

佐治、AA 他多周波数蝸牛電図測定は、人工内耳手術中の電極の配置を監視し、最適化するために使用できます。耳科学と神経学 40、1287–1291、https://doi.org/10.1097/MAO.0000000000002406 (2019)。

論文 PubMed Google Scholar

ラセツワネ、DM 他正常聴力および難聴を持つリスナーにおけるカテゴリカルラウドネススケーリングと等ラウドネスコンター。アメリカ音響学会誌 137、1899–1913、https://doi.org/10.1121/1.4916605 (2015)。

論文 ADS PubMed PubMed Central Google Scholar

Schuerch, K. et al. 人工内耳移植中のリアルタイム蝸牛電気検査の信頼性の向上: 標準化されたガイドライン。欧州耳鼻咽喉科アーカイブ 1、1–11、https://doi.org/10.1007/S00405-021-07204-7 (2022)。

記事 Google Scholar

ウェストバージニア州ドロンゲレン神経科学者のための信号処理 (Elsevier、2018)。

Schuerch, K. et al. 蝸牛内蝸牛図データセット - 生データから深層学習を使用した客観的な分析まで。ドライアド、https://doi.org/10.5061/dryad.70rxwdc1x (2023)。

Dallos, P.、Cheatham, MA & Ferraro, J. 蝸牛力学、非線形性、および蝸牛電位。アメリカ音響学会ジャーナル 55、597、https://doi.org/10.1121/1.1914570 (2005)。

記事 Google Scholar

ラベルボックス。ラベルボックス。 https://labelbox.com (2022)。

Zierhofer、CM、Hochmair、IJ & Hochmair、ES 先進のコンビ 40+ 人工内耳。耳科学と神経学 18 (1997)。

Sanderson, AP、Rogers, ET、Verschuur, CA、Newman, TA 人工内耳ユーザーの聴力向上のための戦略を知らせるために日常的な臨床対策を活用しています。神経科学のフロンティア 13、1048、https://doi.org/10.3389/FNINS.2018.01048/BIBTEX (2019)。

記事 Google Scholar

Aebischer, P.、Meyer, S.、Caversaccio, M.、Wimmer, W. 人工内耳電極アレイの挿入深さの術中のインピーダンスに基づく推定。 IEEE Transactions on Biomedical Engineering 68、545–555、https://doi.org/10.1109/TBME.2020.3006934 (2021)。

論文 PubMed Google Scholar

Rathgeb, C. et al. 人工内耳の術前挿入角度予測法の臨床応用性。耳科学と神経科学 40、1011–1017 (2019)。

記事 Google Scholar

アンシュエッツ、L.ら。人工内耳挿入深さの予測: 側頭骨の精度研究。耳科学と神経科学 39、e996–e1001 (2018)。

記事 Google Scholar

ウィマー、W.ら。低侵襲蝸牛移植のための半自動蝸牛瘻造設ターゲットおよび挿入軌道計画。 BioMed Research International 2014 (2014)。

Rossum、GV および Drake、フロリダ州 Python 3 リファレンスマニュアル (CreateSpace、2009 年)。

ハリス、CR 他。 numpyを使った配列プログラミング。 Nature 2020 585:7825 585、357–362、https://doi.org/10.1038/s41586-020-2649-2 (2020)。

記事 CAS Google Scholar

Paszke、A. et al. Pytorch: 命令型スタイルの高性能深層学習ライブラリ。 Wallach、H. et al. (編) 神経情報処理システムの進歩、vol. 32 (Curran Associates, Inc.、2019)。

Virtanen、P. et al. SciPy 1.0: Python での科学コンピューティングの基本アルゴリズム。 Nature Methods 17、261–272、https://doi.org/10.1038/s41592-019-0686-2 (2020)。

論文 CAS PubMed PubMed Central Google Scholar

Hunter、JD Matplotlib: 2D グラフィック環境。科学と工学におけるコンピューティング 9、90–95、https://doi.org/10.1109/MCSE.2007.55 (2007)。

記事 ADS Google Scholar

ペドレゴサ、F.ら。 Scikit-learn: Python での機械学習。 Journal of Machine Learning Research 12、2825–2830 (2011)。

MathSciNet MATH Google Scholar

リファレンスをダウンロードする

著者らは、オーストリアの MED-EL の Marek Polak と彼のチームの支援に感謝したいと思います。

ベルン大学病院、ベルン大学病院、耳鼻咽喉科、頭頸部外科、ベルン、スイス

クラウス・シュールヒ、ヴィルヘルム・ヴィマー、マルコ・カベルサッチョ、ゲオルギオス・マントクディス、トム・ガウリチェック、ステファン・ヴェーダー

ベルン大学、ARTORG 生体医工学研究センター、聴覚研究室、ベルン、スイス

クラウス・シュールヒ、ヴィルヘルム・ヴィマー、マルコ・カベルサッチョ、ステファン・ヴェーダー

チューリッヒ大学病院、耳鼻咽喉科、頭頸部外科、チューリッヒ大学、チューリッヒ、スイス

エイドリアン・ダルバート

高度神経画像診断サポートセンター (SCAN)、大学診断・介入神経放射線学研究所、病院病院、ベルン大学病院、ベルン大学、ベルン、スイス

クリスチャン・ルンメル

PubMed Google Scholar でこの著者を検索することもできます

すべての著者がこの作品に貢献しました。 KS は測定システムを開発し、分析用のソフトウェアを作成し、データ収集に参加し、データにラベルを付け、この原稿の最終版を起草して承認しました。 WW は監督とリソースを提供し、この原稿の最終版を草案して承認しました。 CR と MC は監督とリソースを提供しました。 AD がデータにラベルを付けました。 GM は監督とリソースを提供し、データ収集に参加しました。 TG は解剖学的特徴を抽出しました。 SW は研究を設計し、データにラベルを付け、データ収集に参加し、この原稿の最終版を承認しました。

ステファン・ヴェーダーへの通信。

著者は、金銭的利害（謝金、教育助成金、講演者局への参加、会員、雇用、コンサルタント会社、株式所有権、またはその他の持分、および専門家など）を有するいかなる組織または団体とも提携または関与していないことを証明します。証言や特許ライセンス契約など）、またはこの原稿で議論されている主題や資料における非金銭的利益（個人的または職業上の関係、所属、知識や信念など）。

発行者注記 Springer Nature は、発行された地図および所属機関の管轄権の主張に関して中立を保っています。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Schuerch、K.、Wimmer、W.、Dalbert、A. 他。蝸牛内蝸牛図データセット - 生データから深層学習を使用した客観的な分析まで。サイデータ 10、157 (2023)。 https://doi.org/10.1038/s41597-023-02055-9

引用をダウンロード

受信日: 2022 年 9 月 27 日

受理日: 2023 年 3 月 8 日

公開日: 2023 年 3 月 22 日

DOI: https://doi.org/10.1038/s41597-023-02055-9

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供