Oprogramowanie powstało na podstawie koncepcji prof. Andrzeja Czyżewskiego i prof. Bożeny Kostek, opracowanej na zlecenie Instytutu Fizjologii i Patologii Słuchu.
Hybrydowa symulacja słuchu pacjenta z implantem ślimakowym i zachowanym akustycznym słuchem resztkowym. Tor akustyczny sterowany audiogramem, tor elektryczny — vocoderem szumowym z regulowaną liczbą elektrod i prądami pobudzenia.
Uproszczona procedura Hughsona-Westlake’a · wynik zapisywany bezpośrednio do audiogramu
Uwaga: To badanie odsłuchowe jest względne — wartości dB HL odzwierciedlają skalę słuchawek konkretnego użytkownika i nie zastępują skalibrowanej audiometrii klinicznej. Przed rozpoczęciem: ustaw głośność systemu na komfortowy poziom podczas kalibracji (poniżej) i nie zmieniaj jej w trakcie badania.
Kalibracja poziomu
Wyreguluj głośność tak, by ten ton był wyraźnie słyszalny, ale komfortowy.
Ucho testowane
Sterowanie badaniem
Aktualnie testowane
— · —
Poziom sygnału
— dB HL
Postęp
0 / 11 częstotliwości
Kliknij „Odtwórz ton", a następnie zaznacz, czy usłyszałeś sygnał. Procedura sama zmieni poziom i częstotliwość.
Wyniki badania
02S
Audiometria mowy w szumie
Własna lista słów · synteza mowy przeglądarki · szum konfigurowalny · wynik do audiometrii słownej
Uwaga: Metoda inspirowana testami HINT/PSMT stosowanymi w IFPS — polega na prezentacji słów zmieszanych z szumem przy różnych stosunkach sygnał-szum (SNR). Synteza mowy używa głosu polskiego dostępnego w przeglądarce; jakość zależy od systemu operacyjnego. Wartości SNR są względne, nie skalibrowane w bezwzględnych dB SPL.
Lista słów testowych (po jednym w linii lub oddzielone przecinkami)
Zalecane: proste polskie jednosylaby zrównoważone fonemicznie (na wzór NLA-93 Pruszewicza i wsp.).
Głos syntezy (jeśli dostępny)
Typ szumu maskującego
Poziom SNR (dB) — względny
0 dB
Ujemne wartości = mowa cichsza od szumu (trudniejsze). Typowo próg zrozumiałości 50% występuje w zakresie −5 do +5 dB SNR.
Sterowanie badaniem
Aktualne słowo
1 / 20
SNR serii
0 dB
Wynik serii
0 poprawnych z 0
Kliknij „Odtwórz słowo" (mowa + szum), następnie zaznacz, czy je rozpoznałeś. Możesz powtórzyć raz jeśli szum był chwilowo głośniejszy.
Zebrane punkty (SNR → % zrozumiałości)
Zbierz punkty przy różnych SNR (np. −10, −5, 0, +5, +10 dB), aby narysować pełną krzywą psychometryczną.
03
Tor akustyczny — słuch resztkowy
Bank filtrów pasmowych Butterwortha · wzmocnienie kompensacyjne na pasmo
Górna granica słuchu resztkowego
750 Hz
Wzmocnienie globalne toru akustycznego
0 dB
Wzmocnienia w torach filtrów (dB, na pasmo audiometryczne)
Tor akustyczny EAS: progi z aparatem i obsługa luki/nakładania
Granica toru akustycznego
05
Bilans torów EAS
Proporcja mocy toru akustycznego i elektrycznego w sygnale wyjściowym
A ←→ EA 50% · E 50%
05b
Transformaty widmowe i kodowanie neuromorficzne
Eksperymentalny moduł — przetwarzanie sygnału w dziedzinie transformat z opcjonalnym kodowaniem neuromorficznym (TTFS)
Rola transformaty w sygnale EAS:
Postprocesing: tor akustyczny i elektryczny działają normalnie, transformata stosowana na ich miksie.
DWT z falką Daubechiesa-5 daje najlepsze rezultaty WER (Tumialis et al. 2026).
Większy blok = lepsza rozdzielczość częstotliwości, większe opóźnienie.
Widmo amplitudowe sygnału (po mikserze EAS)
Kliknij i przeciągnij myszą, aby zaznaczyć region · kliknij × aby usunąć
Najpierw wczytaj sygnał, aby zobaczyć widmo.
Brak zaznaczonych regionów. Zaznacz region na wykresie widma powyżej.
LIF: równanie różniczkowe pierwszego rzędu (τ·dv/dt = -(v−Vrest) + R·I). Stabilne, mała wrażliwość na szum.
200
Artykuł: DWT z regular sampling i 500 próbek daje najlepszy WER ≈12%.
Symuluje zakłócenia w rzeczywistym kanale transmisji neuromorficznej.
⚡Szacowany zysk energetyczny względem klasycznego banku filtrów cyfrowych
Włącz przetwarzanie transformatowe, aby zobaczyć szacunek.
06
Przetwarzanie
Wczytaj sygnał, aby rozpocząć.
07
Wyjście
Odtwórz i porównaj · pobierz plik WAV 16-bit
Sygnał oryginalny
Symulacja EAS
Uwagi metodologiczne
Tor akustyczny. Bank 11 filtrów pasmowych Butterwortha 4. rzędu (kaskada biquadów) na częstotliwościach audiometrycznych. Wzmocnienie każdego pasma G = −dBHL + g_user, gdzie dBHL pochodzi z audiogramu wybranego ucha, a g_user z suwaków. Powyżej zadanego cutoff pasma są tłumione (model słuchu resztkowego ograniczonego do niskich częstotliwości).
Kompresor dynamiki. Klasyczny kompresor szerokopasmowy z peak envelope detector i regulowanymi czasami attack/release (model leaky-integrator z czasem stałym T63). Kompensuje zjawisko recruitment loudness (rozszerzonego zakresu percepcji głośności w uszkodzonym słuchu), zgodnie z podejściem opisanym w pracach Suchomski & Czyżewski (MHAFS, AES 1999) i Suchomski & Odya (KKRRiT 2011). Charakterystyka transferowa: out = in dla in ≤ threshold; out = threshold + (in − threshold)/ratio + makeup dla in > threshold. Twarde kolano (hard knee).
Tor elektryczny. Vocoder szumowy lub tonowy. Pasmo 100 Hz – 8 kHz dzielone na N = 5–22 logarytmicznych kanałów (skala zbliżona do mapy Greenwooda). Obwiednia ekstrahowana przez prostowanie + LPF Butterwortha 2. rzędu. Kompresja zakresu dynamiki (IDR) symuluje wąski przedział T–C w implancie. Suwaki prądu modelują indywidualny fitting (T/C levels). Kompresor front-end AGC działa na wejściu — przed dekompozycją pasmową.
Spread of excitation. Symulowany jako częściowy crosstalk między sąsiednimi kanałami przy syntezie — modeluje rozprzestrzenianie się prądu w ślimaku.
Wyjście. Suma toru akustycznego (waga A) i elektrycznego (waga E) ze stałym makeup gain i miękkim ograniczeniem (tanh) powyżej |0.85|. Wzmocnienia per-pasmowe, master i kompresory działają liniowo na poziom wyjścia. Eksport WAV PCM 16-bit mono.
Spektrogramy. STFT z oknem Hanninga 512 próbek, hop 128 próbek, log-magnitude w dB, mapa kolorów inferno. Częstotliwość w skali logarytmicznej (80 Hz – Nyquist).
Audiogram z pliku. JSON: { "R": [11 wartości], "L": [11 wartości] }. CSV/TSV: nagłówek opcjonalny, wiersze freq_kHz, R_dBHL, L_dBHL. PNG/JPG: automatyczna detekcja czerwonych (R) i niebieskich (L) punktów + ramki wykresu czarnymi liniami; oś Y zakładana −10…120 dB HL.
08
Analiza spektrograficzna
STFT · porównanie energii w dziedzinie czas–częstotliwość
Rozdział sygnału na kanały L/R z modulacją czasową · dla asymetrycznego protezowania (biorca bimodalny)
Zastosowanie: Blok (27) z wniosku patentowego. Rozdziela zmiksowany sygnał EAS na dwa kanały wyjściowe L i R z czasowo modulowaną proporcją, umożliwiając trening percepcji przestrzennej i synchronizacji półkul mózgowych u pacjenta z aparatem w jednym uchu i implantem w drugim.
Przeznaczenie: Konfiguracja sekwencji sesji terapeutycznej wg zastrz. 18 wniosku patentowego. Każda faza używa wybranych parametrów panoramy z panelu 09 na czas określony w tabeli. Sesja odtwarzana jest z próbki wgranej w panelu 01 lub z syntezowanego dźwięku testowego.
Preset
Fazy sesji
Aktualna faza
— sesja nieaktywna —
Czas fazy
0:00 / 0:00
Postęp całości
0:00 / 0:00
11
Eksport konfiguracji do urządzenia przenośnego
Zapis wszystkich parametrów symulacji do pliku · transfer do przystawki EAS wg drugiego wniosku patentowego
Faza I — przygotowawcza: Terapeuta optymalizuje w symulatorze parametry EAS dla konkretnego pacjenta, konfiguruje wzorzec panoramy oraz sesję terapeutyczną, po czym eksportuje całość do pliku JSON. Plik ten jest przenoszony przez port USB do przenośnego urządzenia demonstracyjnego (blok (32) z Fig. 4 wniosku), które w Fazie II odtwarza konfigurację autonomicznie.