基于联合刺激频率耳声发射与畸变产物耳声发射的深度学习模型在听力阈值预测中的突破性研究

为解决传统纯音测听依赖主观响应、无法适用于特殊人群的临床难题，中国研究人员创新性地结合刺激频率耳声发射(SFOAEs)与畸变产物耳声发射(DPOAEs)数据，构建了频率特异性深度学习模型。该模型在0.5-8 kHz范围内实现平均绝对误差3.83-5.17 dB的精准预测，测试时间缩短至15分钟/人，为客观听力诊断提供了高效工具。

　　

听力障碍是全球性健康挑战，但传统纯音测听依赖患者主观配合，导致约7亿特殊人群（如婴幼儿、精神障碍患者）无法获得准确诊断。耳声发射(OAE)作为反映耳蜗外毛细胞功能的客观指标，虽在临床筛查中广泛应用，但单一OAE类型（如DPOAEs或SFOAEs）的预测精度始终受限。这源于两种OAE的生成机制差异：DPOAEs主要源于非线性畸变机制(2f₁-f₂成分)，而SFOAEs来自线性反射机制——这种双源特性提示联合应用可能提供更全面的耳蜗病理信息。

中国的研究团队通过采集495例受试者（94例正常听力+401例感音神经性聋）的多刺激水平高分辨率OAE数据，首次将CNN与RNN深度学习架构整合，构建了双OAE联合预测模型。关键技术包括：1) 采用24位声卡系统进行FPL校准的OAE采集；2) 输入SFOAEs/DPOAEs幅值谱与信噪比谱；3) 通过20次嵌套交叉验证优化模型。

【比较不同模型架构性能】
CNN在0.5-4 kHz表现最优（mMAE 3.83-5.17 dB），RNN在8 kHz更具优势。双OAE模型显著优于单OAE模型（除DPOAE在0.5/2 kHz外），10 dB准确率达89.6-96.95%。

【双OAE联合的优势】
1 kHz/4 kHz/8 kHz频段改善最显著，证实两种OAE在反映耳蜗损伤时存在互补性。例如DPOAEs对f₂区域更敏感，而SFOAEs能更好表征反射源异常。

【效率优化】
减少刺激水平数量后，模型仍保持精度（MAE增加<0.5 dB），单次测试时间压缩至15分钟，满足临床时效需求。

该研究突破性地验证了双源OAE理论在定量听力评估中的价值：通过CNN/RNN提取SFOAEs与DPOAEs的互补特征，首次实现误差<5 dB的跨频段预测。效率优化方案更推动其向临床转化，为建立首个客观定量听力诊断标准奠定基础。未来可进一步探索模型在噪声性聋、梅尼埃病等特异性耳蜗病变中的应用潜力。