Localization and Speech-in-Noise Performance in a Virtual Reality Test Environment: A Pilot Study of Adults With Single-Sided Deafness Using a Cochlear Implant
Notice bibliographique
Résumé
PURPOSE: The purpose of this exploratory study was to (a) construct a virtual reality (VR) test environment to measure speech recognition in noise (SIN) and localization, and (b) use the VR test environment to establish degree of binaural hearing benefit among a small number of adults with single-sided deafness (SSD) using a cochlear implant (CI). METHOD: This pilot study included five adults implanted for SSD. The test environment was composed of an eight-speaker array that delivered restaurant noise and Institute of Electrical and Electronics Engineers sentences. VR head-mounted display goggles delivered a video recording of a busy restaurant. Participants completed SIN and localization in two conditions: (a) normal-hearing ear and a CI on the contralateral SSD side (CI-ON) and (b) normal-hearing ear and unaided on the contralateral SSD side (CI-OFF). RESULTS: Overall, CI benefits for SIN and localization within the VR test environment were improved for some participants, although not all. CI benefit for SIN and localization was dependent on speaker location. CONCLUSIONS: VR test environments present new opportunities for studying SIN and localization abilities in participants with CIs. This pilot study shows that, within a VR test environment, degree of CI benefit among SSD participants for SIN and localization varies across speaker location and across participants.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».