Development and evaluation of pk-Ctone: A computationally efficient strategy for enhanced Mandarin tone perception in cochlear implants.

چکیده اصلی

Conventional cochlear implant (CI) strategies convey limited tonal information. Although fundamental frequency (F0)-based strategies, such as C-tone, which combines F0 extraction with amplitude envelope modulation, improve Mandarin tone perception, their high computational demands hinder integration into power- and resource-constrained devices. This study evaluates a lexical tone enhancement CI strategy, pk-Ctone, that employs a computationally efficient local extrema-based F0 detection algorithm. Acoustic evaluations on two Mandarin monosyllabic corpora assessed both the coarse-scale robustness and fine-scale fidelity of F0 detection. Computational operations required for F0 extraction were quantified, and a clinical trial with 62 participants compared Mandarin speech recognition using pk-Ctone versus a standard envelope-based baseline. Results showed that pk-Ctone reduced the computational operations for F0 extraction by more than 30-fold compared with C-tone. Although this efficiency gain incurred a penalty in fine-scale precision, pk-Ctone achieved improved coarse-scale robustness, as quantified by Accuracy and F1-score. Clinically, pk-Ctone yielded significant improvements in recognition of monosyllabic tones (+10.1% points, pp), monosyllabic words (+19.2 pp), and disyllabic words (+13.0 pp). These findings indicate that pk-Ctone, by preserving coarse-scale F0 tracking robustness while reducing computational cost, maintains clinical effectiveness despite some loss in fine-scale precision, offering a practical solution for power- and resource-constrained CI processors.

ترجمه فارسی چکیده

استراتژی‌های استاندارد ایمپلنت کلاویکولار (CI) اطلاعات محدودی از لحن‌ها را منتقل می‌کنند. اگرچه استراتژی‌های مبتنی بر فرکانس پایه (F0) مانند C-tone که ترکیبی از استخراج F0 و مدولاسیون محیط آمپلیتود هستند، درک لحن ماندارین را بهبود می‌دهند، اما بار محاسباتی بالای آن‌ها مانع از ادغام در دستگاه‌های با محدودیت توان و منابع می‌شود. این مطالعه استراتژی بهبود لحن لغوی pk-Ctone را که از یک الگوریتم کارآمد برای تشخیص F0 مبتنی بر اکسترمم‌های محلی استفاده می‌کند، ارزیابی می‌کند. ارزیابی‌های صوتی بر روی دو مجموعه واژگان تک‌آواژه‌ای ماندارین، هم مقاومت مقیاس درشت و هم وفاداری مقیاس ریز تشخیص F0 را ارزیابی کردند. عملیات محاسباتی مورد نیاز برای استخراج F0 کمی شد و یک آزمایش بالینی با ۶۲ شرکت‌کننده، درک گفتار ماندارین را با استفاده از pk-Ctone نسبت به یک خط مبنای مبتنی بر محیط آمپلیتود مقایسه کرد. نتایج نشان داد که pk-Ctone عملیات محاسباتی مورد نیاز برای استخراج F0 را بیش از ۳۰ برابر نسبت به C-tone کاهش داد. اگرچه این بهره‌وری هزینه‌ای در دقت مقیاس ریز داشت، اما pk-Ctone مقاومت مقیاس درشت را بهبود بخشید که با دقت و امتیاز F1 سنجیده شد. بالینیاً، pk-Ctone بهبودهای معناداری در تشخیص لحن‌های تک‌آواژه‌ای (+۱۰.۱ درصد امتیاز)، کلمات تک‌آواژه‌ای (+۱۹.۲ درصد امتیاز) و کلمات دوآواژه‌ای (+۱۳.۰ درصد امتیاز) ایجاد کرد. این یافته‌ها نشان می‌دهد که pk-Ctone با حفظ مقاومت ردیابی F0 مقیاس درشت در حالی که هزینه محاسباتی را کاهش می‌دهد، اثربخشی بالینی را حفظ می‌کند، حتی با برخی از دست‌رفتگی‌ها در دقت مقیاس ریز، و راهکاری عملی برای پردازنده‌های CI با محدودیت توان و منابع ارائه می‌دهد.

متن کامل اصلی