预处理方法：用于空间滤波的多麦克风处理(通常称为“定向麦克风”或“波束形成器”) ，单通道降噪，以及专门针对去噪和语音增强的进一步策略

未来展望 1.关于那些通过他们的信号接收器很难听清楚(或者有时根本听不清)的一小部分患者(有非听觉感受；需要关闭一些电极；C值调到最高听觉感受soft percept) 建议他们参加耗时的临床试验(心理物理学) 2. 对于情况稳定的患者 (集中电流/脉冲形状的改变)

patient-specific(bespoke) programming

主旨：关掉坏电极一些电极唤起输入信号的不太准确的神经表征，听者不能忽视神经对这些“坏”电极的反应，因此使它们失活将改善言语感知 * 怎么识别坏的电极？方法很多见下：

• 每个公司现有的策略：
• AB: CIS,SAS
• MEDEL: CIS
• Cochlear: SPEAK, ACE
• Nurotron: APS CIS
• n of m/ CIS原理： 信号通过一组带通滤波器，提取出每个滤波器输出端的包络，并利用这些包络调制每个电极上的固定频率脉冲序列（调幅）

CIS是n of m的特殊情况(n=m), n of m通常指SPEAK，2000年提出了ACE策略（脉冲速率250pps→900pps）

特点：不同电极上脉冲在时间上交错，最小化charge interaction

只有AB公司有模拟刺激(analogue, SAS)策略，而不是提取包络的信号处理策略 启示：问问ABI公司加入这个策略的可行性？

其他预处理的策略： 改善混响环境中语音感知的策略：利用语音混响比(SRR)代替信噪比(SNR)产生一个理想的混响掩模→创建基于语音呵混响真实信息的语音去混响→衰减混响控制的部分，保留语音部分

定向麦克风技术定义: 接收来自多个(通常是两个)全向麦克风的信号，并利用麦克风之间的空间差异将它们合并成单通道信号。对全向麦克风信号进行延迟、加权和相加，以产生方向性(如超心形)模式，并提高某些方向信号的信噪比 PS：自适应滤波器进一步改善方向特性

光遗传方法刺激（操纵SGN）

神经内电极

很多算法通过增强modulation across time；across electrode来增加electrodogram的对比度（具体来说，通过衰减/消除低幅脉冲） (Koning and Wouters 2016; Lamping et al. 2020)（还有几个2020的研究） * 另外，关掉坏的电极会减少总通道数量，有利有弊

建议的方法：将时域/频域增强算法与关通道/F0增强相结合（F0增强在电极图里能看到） (Nogueira et al. 2016; Lopez-Poveda et al. 2017, 2020; Bolner et al. 2020) 提高 CI 输入阶段信噪比的预处理算法很可能在一定程度上独立于通过改变算法或通道失活方法所带来的改进

未来怎么做 在上个世纪末，CIs 工作方式发生了几个重大变化: 从单通道到多通道植入，从特征提取到 CIs 和 n-of-m 策略，从准模拟刺激到现在普遍使用的交错脉冲序列(Eddington 等人，1978; Burian 等人，1979; Wilson 等人，1991; McDermott 等人，1992) 近20年没有革命性变化，都是渐进式进步（即好处充其量是适度的，所以实验设计很关键，采取双盲，足够的对照组减小误差） 另外，为了提高研究信度，尽量做多中心的研究（每个中心样本量有限，且测试方法不一难以比较） 确定不同办法所取得的进步能否累加

相比21世纪开始时，现在研究的进展：

1. 基础：神经可塑性，听神经对电刺激的响应，不同CI电极刺激效果的差异
2. 临床：
3. 几乎所有病人-耳后设备（集成了定向麦克风和降噪技术） CI加入了(back telemetry??)，看听神经对电刺激的反应 其他临床进展：双侧植入，声电联合（有残余听力），外科技术进步，使用抗炎药类固醇，单侧聋，儿童植入

现在做咋样 ”预处理策略”、”信号处理策略和新的刺激方法”、”重点和当前共享刺激”以及”针对病人的(定制)程序设计” 定向麦克风-空间定位，分离噪声（助听器/信号处理研究技术中获得） 聚焦刺激减少电流传播获得一定成功（大多数公司仍采用MP模式作为默认或唯一刺激方法） 心理物理/电生理方法找到'坏'通道使其失活（未广泛应用）

创新的神经基础研究：(neural basis for success and failure of proposed innovations) * 动物实验：神经内刺激、光遗传刺激 * 受到猫和豚鼠的基础实验推动，已临床转化：聚集刺激（BP TP），定向电流（current steering)，通道失活

动物研究与临床结论不一致的原因： * 动物实验，大多是单细胞层面的，而且结果可能受麻醉的影响。（临床中关心的是提升整体听觉感知，不是单细胞研究） * 为了跨越基础临床之间的gap* 1. 动物-做了许多行为学方面的实验(Jan schnupp等) 1. 临床-开发电生理客观方法看stimulus discrimination,皮层选择性

除了动物、临床试验之外的另一种手段：计算模型 （computational model） TP 刺激产生更窄的激发模式的有效性应该取决于 AN 的周边过程的存活和电极-蜗轴距离

研究电刺激时域信息处理的 这边的研究大多聚焦于电刺激早期时域信息上限的能力变化（即可塑性？？）

1. 早期 猫的IC相位锁定在脉冲达到一定速率后丧失 （上限对于NH/CI来说高于失聪的猫）
2. 与出生时耳聋的兔子相比，成长时听力正常的兔子也表现出更好的 IC 时间处理能力，尽管在这种情况下，区别主要在于与电刺激相锁定的神经元数量，而不是在上限(Chung 等人，2019年)
3. 当用 IC 测量时，对于急性耳聋的猫来说，上限也比测量前6个月已经耳聋的猫要高(Middlebrooks 2018)。--提示早植入

4. 听觉皮层细胞的相位锁定也受到刺激史和训练的影响(Vollmer 和 Beitel，2011年; Fallon 等人，2014b; Vollmer 等人，2017年)。--提示训练的重要性？？

5. 临床：Carlyon 等人(2018b)研究了是否人类的 CI 听众在他们的设备最初激活后的几个月内会表现出时间音高的心理物理学上限的增加（单电极脉冲序列的音调排序）

行为测量方面的改进可能来自于对测试材料的熟悉程度的提高，因此必须区分这种”程序性”学习和刺激引起的可塑性

动物和人结论相反的原因： * 计算机模型研究：阴极刺激SGC周边区域，阳极刺激中央轴突(Rattay 等人，2001年; Joshi 等人，2017年; Resnick 等人，2018年; Potrusil 等人，2020年) * 理论猜测： 1. CI患者听觉存在听觉剥夺，外周可能已退化，所以中枢更敏感 1. 动物实验都是急性耳聋，外周保留，所以外周更敏感（阴极） 1. 法国人的研究：豚鼠实验证实PE（极性效应）和耳聋持续时长不直接相关，证实外周突之外的因素也很重要 【Adv Exp Med Biol】4区 * 结合模拟结果，我们觉得和电极-蜗轴距离、神经纤维和电极的方向有关 * 临床文章：极性对MCL的影响大，对阈值的影响小（4篇17年之后的文章，都发在JARO上）

极性效应 目前临床中多为双向对称脉冲(见fig.6 a,b 满足电荷平衡刺激)

动物（豚鼠、猫）：阴极(cathodic)刺激最有效 临床：阳极(anodic)电刺激最有效（JARO 2006）(达到MCL的的电流小)（不知道我们可以直接在ABI临床中做吗，medel CI中有相关刺激模式???） 实验方法：运用假单相脉冲（高短+ 低长-），高振幅相为+，达到MCL的电流比阴极小 为了验证阳性敏感性大于阴性，做了很多项研究（心理物理学中的响度调整、掩蔽、音高辨别） ECAP,eABR也证明了这点（JAAA，Hear Res, JARO） 优了多少：25-35%的动态范围（2dB）

临床: MEDEL已经有了临床应用产品，正向的三相波可以避免达到MCL的同时，避免面神经刺激（被推荐用于面神经过度刺激的患者）【2016 2017Otol Neurotol】 Otico也有相关临床产品（Anodic-pseudomonophasic pulses）

启示：ABI面神经刺激等不良反应发生率是否高于CI？这种策略可以尝试？前期需要先做临床研究看PE的结论是否在ABI中也存在

对于旨在通过使神经功能不良区域的电极子集失活来改善言语感知的策略，

目前尚不清楚应该使用哪种测量方法来最好地识别这种电极，以及不同的测量方法是否会给言语感知带来类似的好处(见 Brochier 等人2021年的研究)。

此外，模拟宽或扭曲的激发模式的研究，只有当几个相邻的电极同时受到影响时，才会导致言语感知显著恶化。因此，那些旨在通过使具有广泛激发模式的电极子集失活来改善言语感知的策略，不太可能通过使沿着电极阵列分布的单个电极失活来取得成功。 （不太懂，感觉逻辑有问题？？） 这个结论是基于这样一个基本原理: 如果拓宽电极产生的激发模式并不首先降低电极的性能，那么使电极失活不太可能有所帮助。（这个结论没看懂）

上述研究中都涉及的关闭电极规则： * 避免关闭相邻的电极

1. 从原理上（声码器）模拟中证明间断关闭通道的有效性，较少通道串扰带来的影响（Goehring 等人，2020,2021) JARO

2. 通过基于一个滤波器的输出同时刺激多个相邻电极来模拟宽兴奋模式(wide excitation pattern)

3. 广泛的兴奋模式在远离刺激电极的听觉神经阵列部位的兴奋低于尖锐模式(Carlyon 等人，2017年) ，从而降低了它用尖锐的兴奋模式掩盖邻近电极的能力(图5c)。因此，我们认为，根据其宽泛的激发模式，使适度数量的均匀分布的电极失活是不可能改善言语感知的

4. 大概能看懂结论和图，就是说spaced间隔电极关掉，对SNR的影响小，不会因为i串扰问题降低言语感知能力

5. 启示：ABI病人存在相邻电极关掉/非相邻电极关掉的吗，可以比较一下不？ 他的理论可以直接拿来在ABI病人上用吗，还是需要在ABI声码器上再做验证 ABI比CI电极数少，再关电极合适吗？虽然之前有研究15个通道关了5个（见上）

6.基于非对称脉冲极性对检测阈值影响的神经元去活化策略(Goehring 等人，2019b)（JARO）

PE（极性效应）-- 可能反映局部神经健康

临床试验（15个电极中5个关掉，基于大/小极性效应）证明：短句识别，time-reversed speech noise/ in quiet没有差别

启示：试验设计好，参数合理，阴性结果也可以发高质量杂志

但对于ABI来说，关掉几个电极可以吗（不清楚现在李主任开机是把通道状态好的都开着吗？好像诺尔康是全开的）

4.取消单极模式下的低速脉冲序列测试中具有高阈值的电极

1. 先发现指标：2016年Zhou发现80 pps pulse train下具有高detection threshold的电极扩散区域大[东卡大学] 所以认为这些阈值可以作为一个简单的估计宽度的神经兴奋模式的每个电极

2. 再进行临床试验 比较他们的临床地图与一个实验地图，其中五个电极高80 pps 阈值被停用。 实验结果表明，调制噪声条件下的 srt 和安静条件下的正确率分别为4db 和11%

3. 这三项研究都是单盲设计，而不是双盲设计，因此不能完全排除实验效果的可能性。这对于语言测试来说可能是一个更大的问题，尤其是对于 SRT 的测试来说，即信噪比是由实验者根据他们对每个语言反应的评分来控制的，但是对于像 SMRT 这样的测试来说，这可能不是一个问题，因为在 SMRT 中，评分和刺激控制是完全自动的。（所以强调要用机器测，信服力高？？）

Garadat 等人(2012年)报告了第一个通道关闭的研究。 1. task a 看modulation detection threshold(MDT)

具体方法：调整10Hz正弦波双向脉冲的时间，看能识别的最小threshold 听神经整合的时间是几百ms，长于脉冲时间，所以近似于AM（调幅）

具体原理：他们向单个电极呈现脉冲序列，并且对于每个电极，测量调制检测阈值(mdt，图4a)。这是通过用10赫兹的正弦波调制双相脉冲的持续时间，并测量可以检测到的最小调制量来实现的

临床试验： 1. CIS-高MDT通道， CIS-低MDT通道作比较：高MDT失效的mapping言语感知更好 1. ACE中-高MDT：噪声下句子/辅音识别好，元音识别较差 做了些实验，说明失活通道的关键特征与掩蔽无关，与调制检测有关 1. 由于调制频率(10hz)远低于 mdt 开始增加的约100hz 的值(Fraser 和 McKay，2012年) ， 这种限制可能来自幅度检测(amplitude process)，而不是时域信息(temporal acuity)

1. focused stimulation：电流更集中 BP CG/MM TP pTP(σTP+(1-σ)MP) 这类策略的共性问题：通道间串扰减少，但通常声音响度不够，增加电荷量（T、C值）后电流扩散，被激活的神经元依旧很多 （动物实验做出来BP/TP比MP好，可能是没考虑到响度的因素，电荷量都是一样的？？？）

PS：对于pTP策略，Jong[2019]提出可根据输入水平，动态调整σ，低能量输入时σ↑，高能量σ↓--避免高能量时易出现的电流扩散

1. current steering AB公司的HiRes120，HiRes中没加入定向电流技术 两个电极同时刺激，改变相应的比例，寄希望于产生中间频率的感知，优点：省电

启示：在ABI中可以直接做临床试验，效果未知（CI的文章证明至少不差）

优化的策略 * ACE基础上：MP3000（Cochlear） 【每个简短(20毫秒)的时间框架内，确定和消除可能被其他信道上的高幅度脉冲所掩盖的脉冲】 优点：可减少能源消耗（节电 待机长） 临床研究：未有临床试验数据

• CIS基础上：FSP-- FS4(MEDEL)；HiRes100 HiRes120(AB) 对应的处理器 Tempo(CIS), Opus(FSP)

• 原理：最低频带通道中，用短脉冲群对滤波波形的每个过零点进行编码，其余通道使用高脉冲速率 CIS 策略。

• 后来对 FSP 战略的修改主要在编码精细结构信息的低频通道数量方面有所不同; 例如，与前一版本的两个信道相比，FS4战略将 FSP 应用于最低的四个通道

• HDCIS和CIS的区别：脉冲速率增加

• 临床研究：FS4, HiRes 与HDCIS效果类似，整项研究没有排除学习因素 分析原因：

(1). 时域辨别能力差；相比NH，单电极给单脉冲刺激时，在CI中>300pps,rate discrimination能力很差((Townshend et al. 1987; Shannon and Otto 1990; Carlyon et al. 2008; Kong et al. 2009).)，

(2). 电流扩散（就是电极离SGN距离较远）由一个八度分隔的两个音调将在不同通道中产生不对称的脉冲列。尽管这两个音调可能主要激发不同的电极，但是电流在耳蜗中的传播意味着每个神经元都会对这些失调的脉冲混合物做出反应，导致音调复杂或不清晰

启示：ABI的时域辨别能力可以研究一下，如果比CI要好，可以往这方面设计编码策略

实验策略（未投入商业化）（临床结果改变不高于10%，响度不大于1-2dB） * 单侧的方法

1. 增强每个通道的调制 F0mod，eTone--识别语音的浊音部分，并在估计的基频处应用幅度调制，随后的处理过程与 ACE 完全相同(Cochlear公司) 效果：可改善泛音分辨能力（F0 discrimination of harmonic complexes）,旋律判断和音高，但言语感知上与ACE没差 另一种包络增强策略（基于时间掩蔽，把可能被掩蔽的脉冲去掉，大幅降低功耗）：每个包络中减去20Hz低通滤波，增强声音包络的起始部分 Lamping的TIPS策略（temporal integrator processing strategy）把可能掩蔽的脉冲去掉→增强包络调制[2020] Kludt[2021]，语音可懂度↑10-11%

2. 增强通道的频谱表征（调整每时刻电极的激活？？） 减轻ACE策略中选择相邻电极的几率 SES（频谱增强策略）-在选择通道前，减少频峰的能量【2016,Nogueira】 SPACE补偿估计的电流扩散【Bolner, 2020】

3. 双侧的方法 两侧响度平衡MOC 策略：任意一个信道的输入输出函数取决于另一个信道的输出电平。这样做的方式是，当一个耳朵的处理器中的频率通道的输出具有高振幅时，相对耳朵的相应通道中的输入-输出函数发生变化，从而变得更加线性，并减少增益应用于低电平输入

在视听刺激发生冲突的情况下，视觉刺激在有独立记忆的儿童中占主导地位，而在正常听力儿童中占主导地位。部分早期植入 CIs 的儿童表现出强烈的双模态融合，与双模态融合强烈的正常听力儿童无法区分。然而，这种积极结果的可能性随着着床年龄的增加而降低，这与早期着床的敏感期导致更好的语言和语言结果的报告相一致。（粘贴的，没仔细看，大概意思就是CI视觉刺激比NH强

跨膜态可塑性 听觉和视觉刺激引起的跨模态活动的效应以及它们与脑干言语感知结果的关系

电极神经元界面的跨电极变化--mdt 的跨电极差异主要反映振幅编码，检测阈值测量可能反映兴奋传播和/或神经存活的差异，PE 可能反映听神经外周过程的存活

这段没仔细看。。专业术语太多了。。

主要讲本世纪意外的CI理论发现，多个实验室证明有效的 不能直接应用于临床，但对我们理解听觉系统对电刺激的处理具有科学价值

为什么言语感知会受到长期耳聋的影响，以及为什么耳聋通常会在植入后的几个月内得到改善 言语表征

1. 基于术后 CT 扫描的模型来识别和关闭可能产生广泛或扭曲兴奋模式的电极，例如那些远离修饰神经元螺旋神经元位置的电极 发的杂志都是在otology neurotology水平 文章里提到试验的设计有些问题 影响：患者对测试材料的熟悉程度，耳朵数量，植入物没有重编程--与失活电极重叠 这当然并不意味着 CT 扫描对于电极失活从来没有用处; 例如，电极阵列的极端扭曲，例如尖端折叠，可能会对听觉刺激的表征产生严重影响，并且会导致失活(Danieli 等人，2021年)【Eur Arch Oto-Rhino-Laryngology】

启示：ABI中：有办法通过影像学看贴合程度吗？

3.把pTP模式下具有高阈值的电极关掉 依据：计算证据表明，高pTP阈值是由局部神经存活不良和/或电极修正极距离过大引起的，这两者都可能产生广泛的神经兴奋模式(Litvak 等人，2007年; Goldwyn 等人，2010年; kallman 等人，2015年) Bierer 和 Litvak (2016)在AB上做实验，关掉1-6个电极，在元辅音识别上无显著改善

1. task B 使表现出差的电极辨别能力的电极关掉 Vickers (2016b) SMRT 测试(Aronoff 和 Landsberger 2013) MDS(多维度scaling)(Mckay 2001)：把pitch非单调变化的电极关了，没有观察到安静和噪声状况下单词/句子识别能力的增强

降噪 可以结合机器学习，如深层神经网络(DNNs)或高斯混合模型，已被证明在增强 CI 听众在噪声中的语言可懂度方面更为成功