使用卷积神经网络的自动化听觉脑干反应峰值估计

听觉脑干反应（auditory brainstem responses, ABRs）是对听觉敏感性和皮层下听觉传导进行客观功能评估的核心组成部分。对ABR波形的人工评估仍然是测量阈值、峰值振幅和潜伏期的主要方式，但这种方法耗时且易受使用者差异的影响。自动化方法为ABR分类提供了有前景的替代方案，但其准确性或稳健性有时受到限制。在此，我们开发并测试了一种基于监督式卷积神经网络（CNN）的ABR峰值分类器，该分类器可适用于不同声级和声频条件，并可在个人计算机上使用单通道或双通道ABR输入快速运行。对于ABR的I、III、IV和V波峰，该分类器实现了超过95%的准确率。即使在噪声暴露导致暂时性或永久性阈移后，仍能保持较高的准确率，并且超过90%的峰值与人工识别峰值之间的误差在0.041 ms（1个采样点）以内。训练该网络仅需数百个样本，因此其非常适用于数据量较小的研究，或受试者数量或测试场次较少的情形。

听觉脑干反应（auditory brainstem responses, ABRs）是客观评估听觉敏感性和皮层下听觉传导功能的核心组成部分。对ABR波形进行人工评估仍然是测量阈值、峰值振幅和潜伏期的主要方式，但这种方法耗时且容易受到使用者差异的影响。自动化方法为ABR分类提供了有前景的替代方案，但其准确性或稳健性有时受到限制。在本研究中，我们开发并测试了一种基于监督式卷积神经网络（CNN）的ABR峰值分类器，该分类器适用于不同声级和声音频率条件，并可在个人计算机上利用单通道或双通道ABR输入快速运行。对于ABR的I、III、IV和V波峰，该分类器实现了95%以上的准确率。即使在噪声暴露导致暂时性或永久性阈移后，仍能保持较高准确性，并且超过90%的峰值与人工识别峰值之间的偏差在0.041 ms（1个采样点）以内。训练该网络仅需数百个样本，使其广泛适用于数据量较小的研究，或受试者数量或测试次数较少的情况。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.30.735643v1?rss=1

🏷️ 听觉脑干反应 卷积神经网络 峰值检测 生物信号分析 自动化分类