Digital Earplug Featuring Combined Noise Dosimetry and Electrocochleography: a Proof of Concept.
Notice bibliographique
Résumé
Electrocochleography (ECochG) is a promising electrophysiology measure that evaluates cochlear function and identifies different auditory disorders. ECochG measures inner ear potentials generated in response to acoustic simulation. Recent studies on cochlear synaptopathy have shown that ECochG can detect insults to auditory nerve fibers following noise exposure. These damages go undetected by routine audiology testing such as audiometry. Therefore, ECochG could be used to identify auditory damage during excessive noise exposure in a noisy workplace, and thus, ultimately help to prevent noise-induced hearing loss. To this aim, a dedicated electronic earpiece has been designed. It features passive hearing protection and can continuously monitor ECochG during a wearer’ shift. A pair of such earpiece is wired to a dedicated hardware device, dubbed eCoGeers, with a microcontroller and several analog-to-digital converters for ECochG potentials and audio signals processing. The synchronization aspect between both data acquisitions is paramount for accurate noise-exposure and inner ear integrity monitoring. To validate the prototype’s capabilities, tests have been conducted by sending a known ECochG stimulus as an electrical input to the earpiece device and by reading its low voltage on the prototype earpiece. Thus, to successfully extracting the original ECochG stimulus from the electrical noise floor. This research paves the way for a future device that could monitor noise exposure and auditory damage during a work shift. This device could ultimately warn the wearer when a significant damage has been detected and contribute to better noise-induced hearing loss prevention programs in the workplace.
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 | 0,001 |
| 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 ».