Un ensemble de données d'électrocochléographie intracochléaire

Données scientifiques volume 10, Numéro d'article : 157 (2023) Citer cet article

630 accès

1 Altmétrique

Détails des métriques

L'électrocochléographie (ECochG) mesure les potentiels électrophysiologiques de l'oreille interne en réponse à une stimulation acoustique. Ces potentiels reflètent l'état de l'oreille interne et fournissent des informations importantes sur sa fonction résiduelle. Pour les porteurs d'implants cochléaires (IC), nous pouvons mesurer les signaux ECochG directement dans la cochlée à l'aide de l'électrode d'implant. Nous sommes en mesure d'effectuer ces enregistrements pendant et à tout moment après l'implantation. Cependant, l'analyse et l'interprétation des signaux ECochG ne sont pas anodines. Pour aider la communauté scientifique, nous fournissons notre ensemble de données ECochG intracochléaire, qui se compose de 4 924 signaux enregistrés à partir de 46 oreilles avec un implant cochléaire. Nous avons recueilli des données soit immédiatement après l'insertion des électrodes, soit en postopératoire chez des sujets ayant une audition acoustique résiduelle. Ce descripteur de données vise à fournir à la communauté de recherche un accès à notre ensemble complet de données électrophysiologiques et à nos algorithmes. Il comprend toutes les étapes, de l'acquisition de données brutes au traitement du signal et à l'analyse objective à l'aide du Deep Learning. De plus, nous avons recueilli des données démographiques sur les sujets, les seuils d'audition, les niveaux d'intensité sonore subjectifs, la télémétrie d'impédance, les résultats radiographiques et la classification des signaux ECochG.

Chez les patients porteurs d'un implant cochléaire (IC), à l'aide de l'électrode d'implant, nous pouvons mesurer les signaux ECochG directement dans la cochlée. Les mesures peuvent être effectuées pendant et après l'implantation. Au cours du processus d'implantation, des études ont montré que des changements brusques de signal peuvent être causés par des forces traumatiques6,7,8,9,10,11,12,13,14. Par conséquent, les traces ECochG en temps réel peuvent compléter la perception haptique du chirurgien6,8,9,10,11,15,16,17,18,19,20. ECochG peut également être utile dans la phase post-opératoire, où les patients peuvent perdre la fonction cochléaire résiduelle21,22. Le plus souvent, ces pertes surviennent au cours des six à douze premiers mois suivant la chirurgie d'implantation23,24,25 en raison de différents facteurs intra-cochléaires (par exemple, réponse immunitaire à l'électrode, réactions inflammatoires intra-cochléaires et formation de tissu cicatriciel intracochléaire)14,26,27. Cependant, les mécanismes sous-jacents restent mal compris et nécessitent des recherches supplémentaires24. En résumé, chez les receveurs d'IC, pendant et après la chirurgie d'implantation, les mesures ECochG cartographient la santé cochléaire et ont donc un grand potentiel pour améliorer notre compréhension de la fonction cochléaire en réponse à l'électrode d'implantation.

L'interprétation des signaux ECochG n'est cependant pas anodine et nécessite une formation. L'amplitude du signal et le rapport signal sur bruit (SNR) peuvent varier considérablement d'un individu à l'autre. De plus, la morphologie et la latence des traces ECochG sont affectées par les cellules neurosensorielles restantes10,28,29,30.

Jusqu'à récemment, l'évaluation des signaux ECochG était basée sur une analyse visuelle par des experts. Cette approche présente plusieurs inconvénients, par exemple, un haut niveau d'expérience est nécessaire, et l'analyse dépendante d'experts peut conduire à un manque de reproductibilité, limitant l'application de ces mesures. Nous avons précédemment introduit une méthode objective basée sur l'apprentissage automatique pour déterminer si un signal ECochG est présent ou non31. Ainsi, trois experts ont étiqueté plus de 4 000 signaux ECochG pour former et tester l'algorithme d'apprentissage automatique (composé d'étapes de prétraitement et d'un réseau neuronal convolutif, CNN).

L'objectif de ce descripteur de données est de fournir à la communauté de recherche un accès à notre ensemble complet de données électrophysiologiques et à nos algorithmes (c'est-à-dire des données brutes avec accès jusqu'au niveau d'une seule époque, des algorithmes de prétraitement et d'amélioration du SNR, des données visuellement étiquetées par trois experts humains indépendants et le réseau d'apprentissage en profondeur formé AlexNet)31. Ces données sont complétées par les seuils d'audition mesurés, les données d'intensité sonore subjective, les données démographiques, les mesures de télémétrie d'impédance et les paramètres radiographiques.

Les applications potentielles de cet ensemble de données incluent, mais sans s'y limiter (i) le raffinement et l'utilisation du réseau d'apprentissage en profondeur31, (ii) l'amélioration des algorithmes de prétraitement et d'amélioration du SNR et l'analyse des données16,31,32,33, (iii) la corrélation des composantes du signal ECochG et des mesures d'impédance avec les seuils d'audition15,16,21,22,34, (iv) l'évaluation longitudinale et l'évaluation de la répétabilité des données ECochG21, et (v) la corrélation des et des ECochG à large bande avec des ECochG à tonalité pure et des seuils auditifs35.

Les données présentées dans ce descripteur ont été recueillies dans le cadre d'une étude approuvée par notre comité d'examen institutionnel local (Commission cantonale d'éthique de Berne, BASEC ID 2019-01578). Tous les participants ont donné leur consentement écrit et consentir à l'utilisation de données correctement anonymisées avant la participation.

Nous avons enregistré les traces ECochG de 41 sujets adultes (n = 46 oreilles) utilisant un implant cochléaire (MED-EL, Innsbruck, Autriche). L'âge moyen des sujets était de 58 ans (ET = 17,4 ans, intervalle : 21 à 86 ans). Des audiogrammes à tonalité pure ont été réalisés dans une chambre acoustique certifiée avec un audiomètre clinique (Interacoustics, Middelfart, Danemark). Les seuils d'audition ont été recueillis soit immédiatement en préopératoire (cohorte A) soit, dans le cas des mesures postopératoires (cohorte B), le jour de la mesure ECochG. Nous avons obtenu des seuils d'audition en conduction aérienne en tonalité pure en dB de niveau d'audition (HL) à 125, 250, 500, 750, 1000, 1500, 2000 et 4000 Hz. Pour la cohorte A, nous n'avons inclus que les sujets avec un seuil d'audition à 500 Hz de 100 dB de niveau d'audition (HL) ou mieux. Pour la cohorte B, nous n'avons considéré que les sujets ayant une audition acoustique stable six mois ou plus après l'implantation. L'audition acoustique était considérée comme stable si les seuils d'audition variaient de moins de 10 dB. Dans la cohorte B, les sujets ont classé l'intensité du stimulus acoustique selon la Fig. 136.

Catégories de sonie subjective. Les sujets de la cohorte B ont classé chaque intensité de stimulus acoustique dans l'une de ces catégories.

Les enregistrements ECochG ont été effectués à l'aide du logiciel de recherche MED-EL Maestro (versions 8.03 AS et 9.03 AS). Le stimulus acoustique a été généré par un générateur de formes d'onde Dataman 531 (Dataman, Maiden Newton, Royaume-Uni) et converti en son par un transducteur Etymotic ER-3C (Etymotic, Grove Village, IL, USA). Le stimulus acoustique a été déclenché via l'interface MED-EL MAX. Plus de détails sont disponibles dans19.

Nous avons mesuré les signaux ECochG en réponse à un son pur, un clic et un stimulus de chirp SPL (voir Tableau 1 et Fig. 2). Nous avons enregistré deux polarités (condensation, CON et raréfaction, RAR) et 100 répétitions (époques) chacune. Tous les enregistrements ECochG ont été mesurés dans une position d'électrode stable ; soit au bloc opératoire après insertion complète des électrodes (cohorte A, 25 oreilles, le dispositif de mesure se trouve dans19,37) soit en post-opératoire (cohorte B, 21 oreilles) dans une chambre acoustique certifiée. Nous avons ainsi mesuré les traces ECochG aux électrodes 1 (électrode la plus apicale), 4, 7 et 10 et en réponse à 3 niveaux d'intensité sonore différents (niveau supra-seuil, niveau proche du seuil, niveau sous-seuil). Les niveaux d'intensité ont été calculés en utilisant les seuils auditifs individuels mesurés avant l'expérience. Notre objectif était d'évoquer des réponses avec différents SNR. Pour la cohorte B, pour obtenir des données longitudinales, nous avons répété l'enregistrement ECochG trois fois : i) au moins 6 mois après l'insertion ; ii) dans les 2 à 48 heures après la première mesure ; et iii) 2 à 4 mois après la première mesure.

Signaux électriques (à gauche) et signaux acoustiques (à droite) générés par le générateur de forme d'onde et le transducteur, respectivement : A) 500 Hz tonalité pure, B) clic, C) SPL chirp v1 et D) SPL chirp v2 stimulus. Notez la mise à l'échelle des différents axes de temps (axe X). Les axes d'amplitude (axe Y) ont été normalisés. Les signaux acoustiques ont été mesurés à l'aide d'un simulateur de tête et de torse (Type 5128-C-111, Brüel & Kjær, Virum, Danemark) et d'un analyseur audio (XL2, NTi Audio AG, Schaan, Lichtenstein). Les signaux électriques ont été mesurés à l'aide d'un oscilloscope (TDS 1002B, Tektronix, Beaverton OR, USA).

Pour pré-traiter les signaux ECochG, nous avons mis en œuvre les étapes suivantes (voir 31 pour plus de détails) : i) si nécessaire, suppression des artefacts d'assemblage ; ii) application d'une méthode de moyenne pondérée gaussienne adaptée de33 pour éliminer les époques non corrélées ; et iii) application d'un filtre passe-bande Butterworth du second ordre en mode de filtrage avant-arrière (fréquences de coupure à 10 Hz/5 kHz pour l'analyse visuelle, et 100 Hz/5 kHz pour les algorithmes objectifs). Le SNR a été calculé à l'aide de la méthode de moyenne ±38. Les étapes de prétraitement ci-dessus ont été effectuées à l'aide du script Python do_preprocessing.py, disponible sur39.

Pour une analyse plus approfondie, nous avons calculé les différentes composantes du signal ECochG. Nous avons mis en évidence le signal CM en soustrayant les réponses CON et RAR40. Etant donné que le résultat soustrait peut également contenir d'autres composantes ECochG, nous ferons référence au terme signal "CM/DIF" dans la suite du texte32. Nous avons calculé le signal ANN en ajoutant la réponse ECochG au stimulus CON et RAR3. Pour le texte suivant, nous l'appellerons réponse "ANN/SUM".

Pour l'analyse visuelle, les données ont été étiquetées par trois experts indépendants ayant plusieurs années d'expérience dans le domaine. Les données ont été présentées à l'aide de Labelbox41 présentant une figure montrant i) la trace CM/DIF, ii) la trace ANN/SUM, iii) les traces CON et RAR, et iv-vi) leurs spectres d'amplitude de transformée de Fourier rapide (FFT) correspondants. Un exemple est illustré à la Fig. 3. Au cours du processus d'étiquetage, l'accent a été mis sur l'identification des réponses CM/DIF et leur étiquetage binaire (réponse ECochG visible/non visible). De ce fait, les experts ont été contraints de porter un jugement ; sinon, il n'était pas possible de passer au tracé de signal suivant. Pour l'étiquetage des réponses ANN/SUM et CAP, cependant, en cas d'ambiguïté, la réponse pourrait être ignorée. Les examinateurs n'ont pas discuté de leur évaluation pour éviter tout biais dans l'évaluation. Les signaux classés comme réponses CM/DIF visibles par deux examinateurs et comme bruit par le troisième examinateur ont été présentés une seconde fois. Seulement, si les trois experts évaluaient un signal comme visible (au second tour), il était marqué comme tel. Cela a été fait pour éviter les erreurs de volatilité. Enfin, nous avons utilisé les réponses étiquetées pour entraîner l'algorithme d'apprentissage en profondeur présenté dans31.

L'analyse visuelle des traces ECochG a été réalisée à l'aide de six sous-parcelles. A) trace CM/DIF, C) trace ANN/SUM, E) traces CON et RAR, et B, D, F) leurs traces FFT. Les lignes verticales grises indiquent la période de relance. Les lignes verticales en pointillés indiquent la fréquence attendue de la réponse.

Avant chaque séance de mesure, nous avons effectué des mesures de télémétrie d'impédance. Nous avons utilisé les paramètres par défaut des enregistrements, recommandés par le fabricant. Une première impulsion cathodique rectangulaire biphasique équilibrée en charge d'une durée de 26,67 μs et d'une amplitude de 302,4 cu (une unité de courant, cu, équivaut à environ un μA) a été utilisée pour la stimulation, ce qui a donné une charge de stimulation de 8,06 qu (une unité de charge, qu, équivaut à environ un nC)42. Le potentiel de tension a été mesuré à la fin de la phase anodique par rapport à l'électrode de masse située au niveau du logement de l'implant43,44.

Les caractéristiques anatomiques ont été extraites des tomodensitogrammes (TDM) à l'aide d'Otoplan (ver. 1.02, CAScination, Berne, Suisse)45. Des images CT avec une épaisseur de coupe égale ou inférieure à 0,3 mm ont été utilisées. Des marqueurs pour définir la cochlée ont été définis (valeur A, distance entre la fenêtre ronde et la paroi controlatérale de la cochlée, valeur B, largeur de la cochlée perpendiculaire à la valeur A, valeur H, distance du virage basal au centre apical)46,47.

Toutes les données créées au cours de ce projet de recherche sont accessibles depuis le référentiel Dryad39. L'ensemble de données est stocké dans la base de données Bern ECochG SQL et se compose de sept tables, comme illustré à la Fig. 4. Chaque table est accessible individuellement. Toutes les tables, à l'exception de la table d'analyse, utilisent l'attribut ID de sujet commun, qui peut être utilisé pour connecter les tables.

La base de données Bern ECochG contient sept tableaux.

Les données démographiques du sujet sont stockées dans la table Démographie. Une liste de tous les attributs est disponible dans le tableau 2. L'identifiant du sujet est stocké sous la forme XX_Y, où XX est post-insertion (PI) ou post-opératoire (PO) et Y est un nombre incrémentiel pour chaque sujet. Le script Python Demographics.py illustre comment accéder aux données démographiques.

Les seuils auditifs des sujets sont stockés dans le tableau Seuils auditifs. Une liste de tous les attributs se trouve dans le tableau 3. Pour la cohorte A, nous fournissons des seuils auditifs immédiats, préopératoires et 3 à 5 semaines après l'opération. Pour la cohorte B, nous listons le seuil auditif avant le premier enregistrement ECochG post-opératoire (post-opératoire) et avant le troisième enregistrement post-opératoire (post-opératoire 2). En cas de seuil d'audition manquant, nous avons laissé des cellules vides.

La table ECochG contient toutes les données brutes ECochG. Une liste de tous les attributs se trouve dans le tableau 4. La date de mesure indique quand la mesure a été effectuée. Session de mesure indique à quelle session appartient la mesure (0 : post-insertion, cohorte A, 1–3 : mesures post-opératoires, cohorte B). Le numéro de mesure est un nombre croissant pour chaque session. le type de stimulus indique quel stimulus acoustique a été utilisé pour l'enregistrement. La durée du stimulus indique la durée du stimulus acoustique en millisecondes (ms). La polarité indique si un stimulus CON ou RAR a été utilisé. L'amplitude acoustique du stimulus est donnée en dB de niveau d'audition (dB HL) pour les sons purs ou en dB de niveau de pression acoustique équivalent de crête dB pe SPL pour le stimulus de clic et de chirp29. La fenêtre d'enregistrement indique la durée de l'enregistrement en ms. Le Délai de mesure spécifie le délai entre le début du stimulus acoustique et le début de la fenêtre de mesure. Dans la plupart des cas, le délai de mesure est défini sur 1 ms. Timeaxis et Signal sont des tableaux Numpy stockés sous forme de chaînes JSON48,49. Le Timeaxis a été stocké sous la forme d'un tableau 1 × N, où N indique les échantillons de temps. Le signal a été stocké sous la forme M × N, où M indique les époques enregistrées et N indique les échantillons d'enregistrement. L'intensité sonore subjective représente l'intensité sonore du stimulus acoustique telle qu'elle est perçue par les sujets (cohorte B). Les réponses disponibles sont présentées dans la Fig. 1.

La table Prétraitée contient les données générées après les étapes de prétraitement. Les attributs sont répertoriés dans le tableau 5. Le signal est indiqué par s.

Le tableau Analyse contient l'analyse visuelle et objective des signaux. Les signaux analysés consistent en une paire d'enregistrements CON et RAR. Les enregistrements peuvent être suivis à l'aide de l'ID, qui est représenté par XX_Y.SESSION_NR.NR_CON.NR_RAR. Où XX est PO ou PI, Y représente le numéro d'identification d'incrémentation du sujet, SESSION_NR est le numéro de session, et NR_CON et NR_RAR représentent les numéros de mesure (par exemple, PO_1.1.010.011 se compose des enregistrements #10 et #11 du sujet postopératoire 1 et de la session 1, respectivement).

L'analyse a été effectuée pour les composants CM/DIF (DIF), ANN/SUM (SUM) et CAP. Les composants ECochG ont été étiquetés par les examinateurs (l1 - l3) et l'algorithme d'apprentissage en profondeur (DL).

L'analyse objective des signaux CM/DIF n'est disponible que pour le stimulus de tonalité pure. Les composants non étiquetés ont été laissés en blanc. Le tableau 6 présente une vue d'ensemble de tous les attributs disponibles dans le tableau d'analyse.

Le tableau Anatomie contient les caractéristiques anatomiques. Une liste de tous les attributs se trouve dans le tableau 7. Le type indique si les caractéristiques anatomiques ont été extraites d'images CT préopératoires ou postopératoires. La forme de la cochlée est indiquée par les valeurs A, B et C et la longueur du conduit cochléaire (CDL)46. Les statistiques générales sur les caractéristiques anatomiques sont présentées dans le tableau 8

Le tableau Télémétrie contient les valeurs enregistrées lors des mesures de télémétrie de routine clinique. Une liste de tous les attributs se trouve dans le tableau 9. Les impédances cliniques représentent les impédances des électrodes (1 à 12) à l'électrode de masse. Les statistiques générales sur les impédances cliniques sont présentées dans le tableau 10

Le système ECochG a été calibré par le fabricant. Aucune modification n'a été apportée aux données brutes enregistrées. Pour augmenter la fiabilité des mesures dans la cohorte A, nous avons utilisé des embouts stériles pour l'enregistrement et appliqué les directives présentées dans37. Dans la cohorte B, nous avons comparé les seuils auditifs mesurés avec le matériel ECochG avec l'audiogramme avant chaque séance de mesure. De cette façon, nous avons pu vérifier que les embouts étaient correctement placés. Pour cela, nous avons utilisé le logiciel personnalisé AcousticStimulatorGUI, disponible chez39. Ce logiciel interagit directement avec le générateur de formes d'onde Dataman et permet l'utilisation de stimuli acoustiques personnalisés. Le logiciel avec le matériel correspondant a été calibré sur un simulateur de tête et de torse (Brüel & Kjær, type 5128, Nærum, Danemark). L'AcousticStimulatorGUI a été calibré avec notre matériel. L'utilisation de ce logiciel avec d'autres matériels nécessite un nouvel étalonnage. Les paramètres d'étalonnage peuvent être ajustés dans la méthode GetFrequencyOffset de la classe Dataman.

La base de données a été divisée en sept parties de données et la base de données vide Bern_ECochG pour faciliter le téléchargement. Chaque pièce est enregistrée sous forme de fichier .sql et peut être importée individuellement dans la base de données Bern_ECochG. Nous vous recommandons de télécharger toutes les pièces et de les assembler à l'aide de sqlitebrowser disponible sur https://sqlitebrowser.org/. Les scripts Python fournis ne fonctionneront que lorsque la base de données sera entièrement assemblée. Les scripts Python montrent comment accéder à la base de données. Parallèlement aux scripts Python, un fichier .yml est fourni pour installer toutes les dépendances pour exécuter les scripts.

Le code utilisé pour créer et traiter les données présentées est fourni dans39 ou fait partie de référentiels open-source48,49,50,51,52,53.

Davis, H. et al. Sommation des potentiels de la cochlée. Le journal américain de physiologie 195, 251-261, https://doi.org/10.1152/AJPLEGACY.1958.195.2.251 (1958).

Article CAS PubMed Google Scholar

Zheng, XY, Ding, DL, McFadden, SL et Henderson, D. Preuve que les cellules ciliées internes sont la principale source de potentiels de sommation cochléaire. Hearing Research 113, 76–88, https://doi.org/10.1016/S0378-5955(97)00127-5 (1997).

Article CAS PubMed Google Scholar

Snyder, RL & Schreiner, CE La neurophonie auditive : propriétés de base. Hearing Research 15, 261-280, https://doi.org/10.1016/0378-5955(84)90033-9 (1984).

Article CAS PubMed Google Scholar

Chertoff, M., Lichtenhan, J. & Willis, M. Potentiels d'action composés humains évoqués par clic et gazouillis. Le Journal de l'Acoustical Society of America 127, 2992, https://doi.org/10.1121/1.3372756 (2010).

Article ADS PubMed PubMed Central Google Scholar

Scott, WC et al. Le potentiel d'action composé chez les sujets recevant un implant cochléaire. Otologie et neurotologie : publication officielle de l'American Otological Society, American Neurotology Society [et] European Academy of Otology and Neurotology 37, 1654, https://doi.org/10.1097/MAO.0000000000001224 (2016).

Article Google Scholar

Campbell, L. et al. La télémétrie de réponse cochléaire en temps réel peropératoire prédit la préservation de l'audition dans l'implantation cochléaire. Otologie et neurotologie 37, 332–338, https://doi.org/10.1097/MAO.0000000000000972 (2016).

Article PubMed Google Scholar

Dalbert, A. et al. Electrocochléographie extra- et intracochléaire chez les porteurs d'implants cochléaires. Audiology & Neuro-otology 20, 339–348, https://doi.org/10.1159/000438742 (2015).

Article Google Scholar

Weder, S. et al. Vers une meilleure compréhension de l'électrocochléographie : analyse d'enregistrements en temps réel. Oreille et audition 1560-1567, https://doi.org/10.1097/AUD.0000000000000871 (2020).

Weder, S. et al. Surveillance en temps réel pendant l'implantation cochléaire : augmenter la précision de la prédiction des résultats auditifs résiduels. Otologie et neurotologie 42, E1030–E1036, https://doi.org/10.1097/MAO.0000000000003177 (2021).

Article PubMed Google Scholar

Bester, C. et al. La latence microphonique cochléaire prédit la fonction des cellules ciliées externes dans les modèles animaux et les populations cliniques. Recherche auditive 398, https://doi.org/10.1016/J.HEARES.2020.108094 (2020).

Bester, C. et al. L'intervention déclenchée par électrocochléographie préserve avec succès l'audition résiduelle pendant l'implantation cochléaire : résultats d'un essai clinique randomisé. Hearing Research 108353, https://doi.org/10.1016/J.HEARES.2021.108353 (2021).

Id, AB et al. Expériences cliniques avec l'électrocochléographie peropératoire chez les porteurs d'implants cochléaires et son potentiel pour réduire le traumatisme d'insertion et améliorer la préservation de l'audition postopératoire. PLOS ONE 17, e0266077, https://doi.org/10.1371/JOURNAL.PONE.0266077 (2022).

Article Google Scholar

Adunka, OF et al. Électrocochléographie en fenêtre ronde avant et après l'insertion des électrodes d'implant cochléaire. Le laryngoscope 126, 1193-1200, https://doi.org/10.1002/LARY.25602 (2016).

Article PubMed Google Scholar

Radeloff, A. et al. Surveillance peropératoire à l'aide de la microphonie cochléaire chez les patients porteurs d'un implant cochléaire présentant une audition résiduelle. Otologie et neurotologie 33, 348–354, https://doi.org/10.1097/MAO.0B013E318248EA86 (2012).

Article PubMed Google Scholar

Dalbert, A. et al. Évaluation de la fonction cochléaire lors de l'implantation cochléaire par électrocochléographie extra- et intracochléaire. Frontières en neurosciences 12, 18, https://doi.org/10.3389/FNINS.2018.00018/BIBTEX (2018).

Article PubMed PubMed Central Google Scholar

Krüger, B., Büchner, A., Lenarz, T. & Nogueira, W. Croissance de l'amplitude de l'électrocochléographie intracochléaire chez les utilisateurs d'implants cochléaires avec audition résiduelle. Le Journal de l'Acoustical Society of America 147, 1147-1162, https://doi.org/10.1121/10.0000744 (2020).

Article ADS PubMed Google Scholar

Aebischer, P. et al. Étude in vitro de la vitesse et de l'angle d'alignement dans les insertions de réseau d'électrodes d'implant cochléaire. Transactions IEEE sur le génie biomédical 69, 129–137 (2021).

Article PubMed Google Scholar

Krüger, B., Büchner, A., Lenarz, T. & Nogueira, W. Mesures d'interaction électro-acoustique chez les utilisateurs d'implants cochléaires avec audition résiduelle ipsilatérale par électrocochléographie. Le Journal de l'Acoustical Society of America 147, 350, https://doi.org/10.1121/10.0000577 (2020).

Article ADS PubMed Google Scholar

Schuerch, K. et al. Réalisation d'une électrocochléographie intra-cochléaire lors d'une implantation cochléaire. JoVE (Journal des expériences visualisées) e63153, https://doi.org/10.3791/63153 (2022).

Wijewickrema, S., Bester, C., Gerard, J.-M., Collins, A. & O'Leary, S. Analyse automatique de la réponse cochléaire à l'aide de signaux d'électrocochléographie pendant la chirurgie d'implant cochléaire. PLoS ONE 17, e0269187, https://doi.org/10.1371/JOURNAL.PONE.0269187 (2022).

Article CAS PubMed PubMed Central Google Scholar

Haumann, S. et al. Surveillance de la fonction de l'oreille interne pendant et après l'insertion de l'implant cochléaire par électrocochléographie. Tendances en audience 23, 233121651983356, https://doi.org/10.1177/2331216519833567 (2019).

Article Google Scholar

Koka, K., Saoji, AA & Litvak, LM Electrocochléographie chez les porteurs d'implants cochléaires avec audition résiduelle : comparaison avec les seuils audiométriques. Oreille et audition 38, e161–e167, https://doi.org/10.1097/AUD.0000000000000385 (2017).

Article PubMed Google Scholar

Mertens, G., Punte, AK, Cochet, E., Bodt, MD & Heyning, PVD Suivi à long terme de la préservation de l'audition chez les patients électro-acoustiques. Otologie et neurotologie 35, 1765–1772, https://doi.org/10.1097/MAO.0000000000000538 (2014).

Article PubMed Google Scholar

Gantz, BJ, Hansen, M. & Dunn, CC Review : perspective clinique sur la préservation de l'audition dans l'implantation cochléaire, l'expérience de l'université de l'Iowa. Hearing Research 108487, https://doi.org/10.1016/J.HEARES.2022.108487 (2022).

Wimmer, W., Sclabas, L., Caversaccio, M. & Weder, S. Impédance d'électrode d'implant cochléaire comme biomarqueur potentiel pour l'audition résiduelle. Frontières en neurologie 0, 1305, https://doi.org/10.3389/FNEUR.2022.886171 (2022).

Article Google Scholar

Nadol, JB, O'Malley, JT, Burgess, BJ & Galler, D. Réponses immunologiques cellulaires à l'implantation cochléaire chez l'homme. Hearing Research 318, 11–17, https://doi.org/10.1016/J.HEARES.2014.09.007 (2014).

Article CAS PubMed PubMed Central Google Scholar

Choi, CH & Oghalai, JS Prédire l'effet de la fibrose cochléaire post-implantaire sur l'audition résiduelle. Hearing Research 205, 193–200, https://doi.org/10.1016/J.HEARES.2005.03.018 (2005).

Article PubMed PubMed Central Google Scholar

Kim, JS, Tejani, VD, Abbas, PJ & Brown, CJ Electrocochléographie postopératoire d'utilisateurs d'implants cochléaires hybrides : une procédure d'analyse alternative. Hearing Research 370, 304–315, https://doi.org/10.1016/J.HEARES.2018.10.016 (2018).

Article PubMed PubMed Central Google Scholar

Polak, M. et al. Retards temporels de la membrane basilaire in vivo chez l'homme. Sciences du cerveau 12, 400, https://doi.org/10.3390/BRAINSCI12030400 (2022).

Article PubMed PubMed Central Google Scholar

Lorens, A. et al. Microphonie cochléaire dans la préservation auditive des implants cochléaires. Le Journal of International Advanced Otology 15, 345, https://doi.org/10.5152/IAO.2019.6334 (2019).

Article PubMed PubMed Central Google Scholar

Schuerch, K. et al. Objectivation de l'électrocochléographie intracochléaire à l'aide de l'apprentissage automatique. Frontières en neurologie 0, 1785, https://doi.org/10.3389/FNEUR.2022.943816 (2022).

Article Google Scholar

Fitzpatrick, DC et al. Électrocochléographie à fenêtre ronde juste avant l'implantation cochléaire : relation avec les résultats de la reconnaissance de mots chez l'adulte. Otologie et neurotologie 35, 64–71, https://doi.org/10.1097/MAO.0000000000000219 (2014).

Article PubMed Google Scholar

Kumaragamage, CL, Lithgow, BJ & Moussavi, ZK Enquête sur une nouvelle méthode de moyenne pondérée pour améliorer le snr des enregistrements d'électrocochléographie. IEEE Transactions on Biomedical Engineering 63, 340–347, https://doi.org/10.1109/TBME.2015.2457412 (2016).

Article PubMed Google Scholar

Shaul, C. et al. L'impédance électrique comme biomarqueur de la pathologie de l'oreille interne suite à une implantation cochléaire latérale et péri-modiolaire. Otologie et neurotologie : publication officielle de l'American Otological Society, American Neurotology Society [et] European Academy of Otology and Neurotology 40, E518–E526, https://doi.org/10.1097/MAO.0000000000002227 (2019).

Article Google Scholar

Saoji, AA et al. Les mesures d'électrocochléographie multifréquence peuvent être utilisées pour surveiller et optimiser le placement des électrodes pendant la chirurgie d'implant cochléaire. Otologie et neurotologie 40, 1287-1291, https://doi.org/10.1097/MAO.0000000000002406 (2019).

Article PubMed Google Scholar

Rasetshwane, DM et al. Mise à l'échelle catégorielle de l'intensité sonore et contours d'égale intensité chez les auditeurs ayant une audition normale et une perte auditive. Le Journal de la Société acoustique d'Amérique 137, 1899-1913, https://doi.org/10.1121/1.4916605 (2015).

Article ADS PubMed PubMed Central Google Scholar

Schuerch, K. et al. Augmenter la fiabilité de l'électrocochléographie en temps réel pendant l'implantation cochléaire : une ligne directrice normalisée. Archives européennes d'oto-rhino-laryngologie 1, 1–11, https://doi.org/10.1007/S00405-021-07204-7 (2022).

Article Google Scholar

Drongelen, WV Traitement du signal pour les neuroscientifiques (Elsevier, 2018).

Schuerch, K. et al. Un ensemble de données d'électrocochléographie intracochléaire - des données brutes à l'analyse objective à l'aide de l'apprentissage en profondeur. Dryade, https://doi.org/10.5061/dryad.70rxwdc1x (2023).

Dallos, P., Cheatham, MA et Ferraro, J. Mécanique cochléaire, non-linéarités et potentiels cochléaires. Le Journal de l'Acoustical Society of America 55, 597, https://doi.org/10.1121/1.1914570 (2005).

Article Google Scholar

Boîte à étiquettes. Boîte à étiquettes. https://labelbox.com (2022).

Zierhofer, CM, Hochmair, IJ & Hochmair, ES L'implant cochléaire avancé combi 40+. Otologie & Neurotologie 18 (1997).

Sanderson, AP, Rogers, ET, Verschuur, CA & Newman, TA Exploitation des mesures cliniques de routine pour éclairer les stratégies d'amélioration des performances auditives chez les utilisateurs d'implants cochléaires. Frontiers in Neuroscience 13, 1048, https://doi.org/10.3389/FNINS.2018.01048/BIBTEX (2019).

Article Google Scholar

Aebischer, P., Meyer, S., Caversaccio, M. et Wimmer, W. Estimation peropératoire basée sur l'impédance de la profondeur d'insertion du réseau d'électrodes de l'implant cochléaire. IEEE Transactions on Biomedical Engineering 68, 545–555, https://doi.org/10.1109/TBME.2020.3006934 (2021).

Article PubMed Google Scholar

Rathgeb, C. et al. Applicabilité clinique d'une méthode de prédiction de la profondeur d'insertion angulaire préopératoire pour l'implantation cochléaire. Otologie et neurotologie 40, 1011–1017 (2019).

Article Google Scholar

Anschuetz, L. et al. Prédiction de la profondeur d'insertion de l'implant cochléaire : étude de la précision de l'os temporal. Otologie et neurotologie 39, e996–e1001 (2018).

Article Google Scholar

Wimmer, W. et al. Planification semi-automatique de la cible de cochléostomie et de la trajectoire d'insertion pour une implantation cochléaire mini-invasive. Recherche BioMed internationale 2014 (2014).

Rossum, GV & Drake, FL Python 3 Reference Manual (CreateSpace, 2009).

Harris, CR et al. Programmation de tableaux avec numpy. Nature 2020 585:7825 585, 357–362, https://doi.org/10.1038/s41586-020-2649-2 (2020).

Article CAS Google Scholar

Paszke, A. et al. Pytorch : une bibliothèque d'apprentissage en profondeur hautes performances de style impératif. Dans Wallach, H. et al. (eds.) Advances in Neural Information Processing Systems, vol. 32 (Curran Associates, Inc., 2019).

Virtanen, P. et al. SciPy 1.0 : Algorithmes fondamentaux pour le calcul scientifique en Python. Nature Methods 17, 261–272, https://doi.org/10.1038/s41592-019-0686-2 (2020).

Article CAS PubMed PubMed Central Google Scholar

Hunter, JD Matplotlib : Un environnement graphique 2D. Computing in Science & Engineering 9, 90–95, https://doi.org/10.1109/MCSE.2007.55 (2007).

Annonces d'article Google Scholar

Pedregosa, F. et al. Scikit-learn : Apprentissage automatique en Python. Journal of Machine Learning Research 12, 2825–2830 (2011).

MathSciNet MATHGoogle Scholar

Télécharger les références

Les auteurs tiennent à remercier Marek Polak et son équipe de MED-EL, Autriche, pour leur soutien.

Service ORL, Chirurgie cervico-faciale, Inselspital, Hôpital universitaire de Berne, Université de Berne, Berne, Suisse

Klaus Schuerch, Wilhelm Wimmer, Marco Caversaccio, Georgios Mantokoudis, Tom Gawliczek & Stefan Weder

Laboratoire de recherche sur l'audition, ARTORG Center for Biomedical Engineering Research, Université de Berne, Berne, Suisse

Klaus Schuerch, Wilhelm Wimmer, Marco Caversaccio & Stefan Weder

Département d'oto-rhino-laryngologie, chirurgie de la tête et du cou, hôpital universitaire de Zurich, Université de Zurich, Zurich, Suisse

Adrien Dalbert

Support Center for Advanced Neuroimaging (SCAN), Institut universitaire de neuroradiologie diagnostique et interventionnelle, Inselspital, Hôpital universitaire de Berne, Université de Berne, Berne, Suisse

Christian Rummel

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Tous les auteurs ont contribué à ce travail. KS a développé le système de mesure, écrit un logiciel d'analyse, participé à la collecte de données, étiqueté les données et rédigé et approuvé la version finale de ce manuscrit. WW a assuré la supervision et les ressources et a rédigé et approuvé la version finale de ce manuscrit. CR et MC ont assuré la supervision et les ressources. AD a étiqueté les données. GM a assuré la supervision et les ressources et a participé à la collecte des données. TG a extrait les caractéristiques anatomiques. SW a conçu l'étude, étiqueté les données, participé à la collecte des données et approuvé la version finale de ce manuscrit.

Correspondance à Stefan Weder.

Les auteurs certifient qu'ils n'ont aucune affiliation ou implication dans une organisation ou une entité ayant des intérêts financiers (tels que des honoraires, des bourses d'études, la participation à des bureaux de conférenciers, l'adhésion, l'emploi, des consultants, la propriété d'actions ou d'autres participations, et des témoignages d'experts ou des accords de licence de brevet), ou des intérêts non financiers (tels que des relations personnelles ou professionnelles, des affiliations, des connaissances ou des croyances) dans le sujet ou les matériaux abordés dans ce manuscrit.

Note de l'éditeur Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International License, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, tant que vous donnez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Schuerch, K., Wimmer, W., Dalbert, A. et al. Un ensemble de données d'électrocochléographie intracochléaire - des données brutes à l'analyse objective à l'aide de l'apprentissage en profondeur. Sci Data 10, 157 (2023). https://doi.org/10.1038/s41597-023-02055-9

Télécharger la citation

Reçu : 27 septembre 2022

Accepté : 08 mars 2023

Publié: 22 mars 2023

DOI : https://doi.org/10.1038/s41597-023-02055-9

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

Nouvelles

Un ensemble de données d'électrocochléographie intracochléaire