ENACT - Utilisation de l'Intelligence Artificielle pour évaluer le Traitement Spatial opéré par les Prothèses Auditives

Mots clés

Prothèse auditive, Directivité adpatative, Environnement sonore complexe, Apprentissage profond, Apprentissage auto-supervisé, Traitement spatial du son

Détail de l'offre

La perte auditive touche plus de 1,5 milliard de personnes dans le monde [1], entraînant des répercussions psychosociales, physiques et cognitives [2]. 434 millions de malentendants sont équipés d'appareils auditifs. En France, la réforme '100% Santé' a considérablement amélioré l'accès aux prothèses auditives [3], mais l'intelligibilité de la parole dans les environnements bruyants demeure un défi. Les fabricants développent des algorithmes avancés intégrant la directivité adaptative et la réduction du bruit pour améliorer l'intelligibilité. Ces algorithmes, souvent associés à l'IA, détectent et localisent les sources sonores, ajustant dynamiquement la directivité des microphones et les réducteurs de bruit. Cependant, estimer leur efficacité reste difficile en raison des limites des méthodes d'évaluation actuelles. L'étude proposée vise à évaluer les performances des algorithmes adaptatifs d'amélioration de l'intelligibilité dans le bruit.
L'évaluation des performances des traitements adaptatifs peut être réalisée par des méthodes subjectives (tests d'intelligibilité) très chronophages ou objectives (analyse des signaux en sortie d'appareil auditif). Cependant, les indicateurs psychoacoustiques objectifs actuels présentent des limites : HASPI 2.0 (2021) ne prédit pas l'intelligibilité dans des environnements spatialisés et MBSTOI (2018) ne prend pas en compte les pertes auditives. Wu Y-H et al. [4] ont proposé une méthode d'évaluation de cette directivité en utilisant un signal sonde et un bruit tournant autour de la prothèse auditive. Aubreville et al. [5] l'ont appliquée en 2015, mais la variation séquentielle du bruit peut influencer les résultats.
Le travail de thèse a pour objectif de développer une nouvelle méthode permettant d'obtenir des diagrammes polaires de captation sonore représentatifs du filtrage spatial opéré par les prothèses auditives récentes. Inspirée des travaux de Hagerman et Olofsson [6], cette méthode sépare l'énergie sonore provenant de différentes directions dans un environnement à 360° sans dépendre de la direction du signal interférent. Les résultats préliminaires indiquent son efficacité pour divers systèmes microphoniques directionnels et des prothèses auditives récentes bénéficiant de la connectivité binaurale [7].
La première phase de ce projet consiste à étendre l'approche de Wu Y-H et al. à des scénarios acoustiques complexes avec plusieurs sources ou locuteurs. Cette approche nécessitera de re-produire chaque scénario acoustique dans des conditions de laboratoire, où chaque source peut être diffusée indépendamment afin d'appliquer la méthode de Hagerman et Olofsson [6]. Ce-pendant, la méthode ne s'applique pas à des scénarios réels où les environnements acoustiques varient de manière imprévisible.
La deuxième étape du projet sera consacrée à l'utilisation de méthodes d'IA pour surmonter ces limitations et proposer des modèles capables d'évaluer la performance de la directivité des aides auditives dans des scénarios réels. Nous proposons de nous appuyer sur les approches existantes de filtrage spatial [8, 9] et sur des environnements acoustiques simulés [10] afin d'identifier des scénarios acoustiques canoniques à explorer lors des sessions d'enregistrement. Pour entraîner le modèle, les données enregistrées avec les aides auditives seront utilisées en complément de données simulées. Afin d'améliorer la robustesse aux scénarios du monde réel, nous explorerons la possibilité d'exploiter des données enregistrées dans des conditions écologiques en utilisant soit un prétraitement par séparation de sources [8, 9], soit l'apprentissage auto-supervisé [11].
A partir des diagrammes polaires de captation obtenus, une corrélation avec les indicateurs psychoacoustiques existants sera réalisée. De plus, les indices binauraux dérivés des modèles et des mesures seront comparés avec ceux des modèles HRTF pour les personnes normo-entendantes. Enfin, cette approche pourra être validée par des tests d'écoute.