Développement d’une oreille artificielle simplifiée et réaliste pour quantifier l’effet d’occlusion objectif
Bibliographic record
Abstract
Au Québec, environ 360 000 travailleurs sont exposés quotidiennement à des niveaux de bruits susceptibles d’endommager leur santé auditive. L’utilisation de bouchons d’oreilles est parfois la seule solution envisageable pour réduire l’exposition du travailleur à ces bruits dangereux. Cependant, leur utilisation est associée à de multiples inconforts qui réduisent la qualité et le temps de port, les rendant ainsi inefficaces. Ce travail de maîtrise s’intéresse principalement à l’effet d’occlusion, un inconfort acoustique lié à la perception accrue des sons internes (comme sa propre voix) lorsque les oreilles sont occluses. \n \nCe mémoire a pour but d’améliorer les outils de simulation et de mesure de l’effet d’occlusion objectif, un indicateur généralement associé à l’inconfort acoustique vécu. L’indicateur objectif de l’effet d’occlusion, appelé « effet d’occlusion » (OE pour « occlusion effect » en anglais), est donc défini comme la différence de niveaux de pression acoustique en un point donné du conduit auditif entre le conduit occlus et ouvert. Effectivement, les oreilles artificielles existantes ne permettent pas de reproduire les principaux effets de l’OE observés sur des groupes de participants (ex., effet du type de bouchon et de la profondeur d’insertion) et les modèles utilisés pour concevoir ces oreilles n’ont pas encore pu être validés. Le développement de ce type d’outil est primordial pour pouvoir concevoir des bouchons d’oreilles plus confortables. \n \nCe travail de maîtrise vise donc à développer un prototype d’oreille artificielle (POA) simplifiée et réaliste dédié à la quantification objective de l’effet d’occlusion. Ce POA doit être simple au niveau sa géométrie et de son anatomie, mais suffisamment réaliste pour pouvoir bien reproduire le champ de vibration sur les parois du conduit. Le POA consiste en un conduit cylindrique à section constante intégré dans une matrice parallélépipédique reproduisant les tissus environnants du conduit auditif et est excité perpendiculairement au conduit directement sur les tissus mous à l’aide d’un banc de test dédié à la caractérisation de matériaux acoustiques (banc QMA). \n \nLe POA est dans un premier temps conçu à l’aide d’outils numériques préliminaires. Il est ensuite fabriqué et évalué expérimentalement par rapport aux données de la littérature. L’évaluation du prototype d’oreille a permis de déterminer que les principaux effets connus observés sur l’OE (c.-à-d., type du bouchon et profondeur d’insertion) sont correctement reproduits pour un bouchon de mousse, mais moins pour un bouchon plus rigide en silicone. Une phase de validation est ensuite réalisée. Dans le cas d’un dispositif d’occlusion simple réalisé à l’entrée du conduit, les simulations de l’OE sont assez proches des mesures effectuées sur le POA fabriqué, et ce principalement quand les tissus mous sont modélisés comme un solide viscoélastique quasi incompressible. Pour les dispositifs d’occlusion de type bouchon (mousse et silicone), la comparaison mesure/calcul est moins satisfaisante. Plusieurs facteurs pourraient expliquer ces différences dont : les propriétés mécaniques des bouchons et le contact entre la peau et le bouchon qui sont mal connus et mal modélisés. \n \nCe prototype d’oreille artificielle permet de faire un pas en avant vers le développement d’outils dédiés à l’amélioration du confort (et donc de l’efficacité) des bouchons d’oreilles, réduisant ainsi les risques de surdité des travailleurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".