เมื่อการเคลื่อนไหวของเราช่วยเราให้ได้ยินชัดขึ้น

เครื่องช่วยฟังในยุคปัจจุบันถูกออกแบบมาให้สามารถวิเคราะห์สภาพแวดล้อมการฟังของผู้ใช้ และปรับการตั้งค่าให้เหมาะสมโดยอัตโนมัติ เพื่อให้ได้ยินชัดในทุกสถานการณ์ เดิมที เซ็นเซอร์ด้านเสียงถูกใช้เพื่อวัดลักษณะของเสียง เช่น ความดังและการสั่นสะเทือนของแหล่งกำเนิดเสียง แต่ข้อมูลจากเสียงเพียงอย่างเดียวไม่เพียงพอที่จะบอกถึงความต้องการในการฟังของผู้ใช้ได้อย่างชัดเจน โดยเฉพาะเมื่อผู้ใช้อยู่นิ่งหรือเคลื่อนไหว ซึ่งส่งผลต่อการฟังอย่างมาก ล่าสุด เครื่องช่วยฟังเริ่มติดตั้งเซ็นเซอร์ตรวจจับการเคลื่อนไหว เช่น อุปกรณ์วัดความเร่ง (accelerometer) เพื่อช่วยวิเคราะห์สภาพแวดล้อมการฟังได้แม่นยำยิ่งขึ้น การผสานข้อมูลจากเซ็นเซอร์เสียงและการเคลื่อนไหวช่วยให้เครื่องช่วยฟังปรับการตั้งค่าได้เหมาะสมกับความต้องการของผู้ใช้มากขึ้น

เป้าหมายหลักของเครื่องช่วยฟังคือการช่วยให้ผู้ใช้เข้าใจคำพูดได้ชัดเจน โดยทั่วไป การตั้งค่าเริ่มต้นของเครื่องช่วยฟังจะเน้นปรับให้ได้ยินคำพูดในที่เงียบเป็นหลัก แต่ในชีวิตจริง ผู้ใช้ต้องเผชิญกับสถานการณ์ที่หลากหลาย ซึ่งต้องการการปรับแต่งเพิ่มเติม

หนึ่งในปัญหาที่พบบ่อยคือ เสียงรบกวนรอบข้าง เช่น เสียงคนคุยกัน หรือเสียงจานชามในร้านอาหาร ซึ่งทำให้ได้ยินคำพูดหลักได้ยากขึ้น เพราะอัตราส่วนระหว่างสัญญาณคำพูดและเสียงรบกวน (SNR) ลดลง การแก้ปัญหานี้อาจต้องเพิ่มความดังของความถี่ที่เกี่ยวข้องกับคำพูด หรือใช้ฟังก์ชันอย่างไมโครโฟนแบบกำหนดทิศทางและระบบลดเสียงรบกวน

แต่ปัญหาคือ ผู้ใช้มักไม่สามารถปรับการตั้งค่าเองได้ทันทีเมื่อสภาพแวดล้อมเปลี่ยนไป เช่น รู้ว่ามีเสียงรบกวนเพิ่มขึ้น แต่ไม่รู้ว่าต้องปรับอะไร ดังนั้น เครื่องช่วยฟังจึงต้องฉลาดพอที่จะวิเคราะห์สภาพแวดล้อมและปรับตัวเองอัตโนมัติ

Signia Pure AX

ซื้อเลย

การวิเคราะห์สภาพแวดล้อมการฟัง

ในอดีต เครื่องช่วยฟังใช้ข้อมูลจากเซ็นเซอร์เสียง เช่น ความดังและการสั่นของคลื่นเสียง เพื่อแยกแยะว่าสภาพแวดล้อมเป็นแบบไหน เช่น มีคำพูดหรือแค่เสียงรบกวน ซึ่งช่วยให้เครื่องตัดสินใจได้ว่าจะใช้ระบบลดเสียงรบกวนมากหรือน้อย

ปัจจุบัน มีการพิจารณาปัจจัยเพิ่มเติม เช่น อัตราส่วน SNR เพื่อดูว่าสภาพแวดล้อมนั้นท้าทายแค่ไหน แม้ระดับเสียงโดยรวมจะไม่ดังมาก หรือทิศทางของเสียงที่เข้ามา เช่น เสียงจากด้านหน้าอาจเป็นคำพูดสำคัญ ส่วนเสียงจากด้านข้างอาจเป็นเสียงรบกวน เมื่อเครื่องช่วยฟังรู้ว่าสภาพแวดล้อมเปลี่ยนไป ฟังก์ชันอย่างไมโครโฟนแบบกำหนดทิศทางจะปรับโฟกัสไปที่คำพูดและลดเสียงรบกวนลง

ยกตัวอย่างเช่น ในที่ที่มีเสียงดัง เครื่องอาจใช้ระบบ beamformer ซึ่งช่วยโฟกัสเสียงจากด้านหน้าได้ดีขึ้น ผลวิจัยพบว่า ผู้ใช้บางรายที่ใช้ระบบนี้สามารถได้ยินคำพูดในที่ที่มีเสียงรบกวนได้ดีกว่าคนหูปกติด้วยซ้ำ

แต่บางครั้ง ข้อมูลจากเสียงอย่างเดียวไม่เพียงพอ เช่น ถ้าผู้ใช้กำลังนั่งคุยกับเพื่อนในร้านกาแฟกลางแจ้ง เครื่องช่วยฟังอาจโฟกัสไปที่เพื่อนที่อยู่ตรงหน้าและลดเสียงรอบข้าง แต่ถ้าทั้งคู่ลุกขึ้นเดินไปด้วยกัน โดยหันหน้าไปข้างหน้าเหมือนกัน เสียงของเพื่อนจะไม่ได้มาจากด้านหน้าแล้ว การใช้ไมโครโฟนแบบกำหนดทิศทางมากเกินไปอาจทำให้ไม่ได้ยินเพื่อนชัดเจน และอาจไม่ปลอดภัยด้วยหากไม่ได้ยินเสียงรอบตัว

เซ็นเซอร์การเคลื่อนไหวเข้ามาช่วยได้อย่างไร

Laboratory speaker setup for traffic scenario. Background traffic noise was presented from 45-, 135-, 225-, and 315-degree azimuths at 65 dBA SPL with male and female speech from 110- and 250-degree azimuths, respectively, at 68 dBA.

เพื่อแก้ปัญหานี้ เครื่องช่วยฟังรุ่นใหม่จึงเพิ่ม เซ็นเซอร์การเคลื่อนไหว เข้ามา โดยเฉพาะ accelerometer ซึ่งเป็นอุปกรณ์ที่วัดความเร่งของการเคลื่อนไหว ช่วยให้เครื่องรู้ว่าผู้ใช้กำลังอยู่นิ่งหรือเคลื่อนที่ เช่น เดินหรือนั่ง จากนั้นใช้ข้อมูลนี้ร่วมกับข้อมูลเสียงเพื่อปรับการตั้งค่าให้เหมาะสม

ในอดีต เครื่องช่วยฟังเคยใช้ข้อมูลการเคลื่อนไหวจากสมาร์ทโฟนผ่านการเชื่อมต่อไร้สาย แต่ข้อจำกัดคือต้องพกโฟนตลอดเวลา และถ้าเปลี่ยนโฟนเครื่องใหม่ การทำงานอาจไม่เหมือนเดิม ปัจจุบัน เครื่องช่วยฟังสามารถติดตั้ง accelerometer ขนาดเล็ก (2x2x0.95 มม.) และกินพลังงานต่ำ (น้อยกว่า 15 µA) ได้เอง ทำให้สะดวกและแม่นยำขึ้น

accelerometer วัดการเคลื่อนไหวใน 3 แกน (x, y, z) เช่น ถ้าผู้ใช้ยืนนิ่ง มันจะวัดแรงโน้มถ่วงของโลก (9.81 m/s²) แต่ถ้าเดินหรือปั่นจักรยาน รูปแบบการเคลื่อนไหวในแต่ละแกนจะแตกต่างกันชัดเจน (ดูรูปที่ 3) คล้ายกับการที่เครื่องช่วยฟังแยกแยะคลื่นเสียง เช่น เสียงพูดกับเสียงรถยนต์ (ดูรูปที่ 4)

ตัวอย่างเช่น ในที่ที่มีเสียงรบกวน ถ้าผู้ใช้อยู่นิ่ง เครื่องอาจเพิ่มการใช้ไมโครโฟนแบบกำหนดทิศทางเพื่อโฟกัสไปด้านหน้า แต่ถ้า accelerometer ตรวจพบว่าผู้ใช้กำลังเดิน เครื่องจะลดการกำหนดทิศทางลง เพื่อให้ได้ยินรอบข้างมากขึ้น เพิ่มความปลอดภัยและการสื่อสารกับคนข้างๆ

หลักฐานจากการวิจัย

งานวิจัยล่าสุดทดสอบ accelerometer ในเครื่องช่วยฟังทั้งในห้องทดลองและชีวิตจริง ในห้องทดลอง มีผู้เข้าร่วม 13 คน (หูตึงเล็กน้อยถึงปานกลาง) ทดสอบในฉากจำลองที่มีเสียงรถยนต์ 65 dBA รอบทิศทาง และเสียงพูดจากด้านข้าง (110 และ 250 องศา) ผลพบว่า เมื่อเปิด accelerometer (จำลองการเดิน) ผู้ใช้ให้คะแนนความเข้าใจคำพูดและความพยายามในการฟังดีกว่าตอนปิด (p < 0.05) เพราะเครื่องลดการกำหนดทิศทางลง ทำให้ได้ยินรอบข้างดีขึ้น

ในชีวิตจริง ใช้การประเมินแบบ EMA (Ecological Momentary Assessment) ในสถานที่ต่างๆ เช่น บ้าน รถสาธารณะ และถนนที่มีคนพลุกพล่าน ผู้ใช้ให้คะแนนความเข้าใจคำพูดขณะเคลื่อนไหวในที่ที่มีเสียงรบกวนสูงถึง 80-90% และพอใจกับความเป็นธรรมชาติและการรับรู้ทิศทางของเสียงเกือบ 100%

Polar patterns measured on the left ear of KEMAR for four conditions: automatic with no movement, full monaural directional, omnidirectional, and automatic walking.

สรุป

การเพิ่ม accelerometer เข้าไปในเครื่องช่วยฟังเป็นนวัตกรรมใหม่ที่ช่วยให้เครื่องเข้าใจความต้องการของผู้ใช้ได้ดีขึ้น ไม่ใช่แค่จากเสียง แต่รวมถึงการเคลื่อนไหวด้วย ขนาดเล็กและประหยัดพลังงานทำให้มันเหมาะสมกับเครื่องช่วยฟัง นอกจากช่วยเรื่องการได้ยินแล้ว ยังมีประโยชน์อื่น เช่น ตรวจจับการล้ม หรือติดตามการเคลื่อนไหวเพื่อสุขภาพ เช่น วัดเวลาที่ผู้ใช้เดินหรือนอน

ทดลองใช้ 7 วัน

References

1 Picou EM. MarkeTrak 10 (MT10) survey results demonstrate high satisfaction with and benefits from hearing aids. Semin Hear 2020; 41 (01) 021-036

Thieme ConnectPubMedSearch in Google Scholar

2 Picou EM, Ricketts TA. An evaluation of hearing aid beamforming microphone arrays in a noisy laboratory setting. J Am Acad Audiol 2019; 30 (02) 131-144

Thieme ConnectPubMedSearch in Google Scholar

3 Powers T, Froehlich M. Clinical results with a new wireless binaural directional hearing system. Hearing Review 2014; 21 (11) 32-34

PubMedSearch in Google Scholar

4 Wu Y-H, Stangl E, Bentler RA, Stanziola RW. The effect of hearing aid technologies on listening in an automobile. J Am Acad Audiol 2013; 24 (06) 474-485

Thieme ConnectPubMedSearch in Google Scholar

5 Froehlich M, Branda E, Freels K. New dimensions in automatic steering for hearing aids: clinical and real-world findings. Hearing Review 2019; 26 (11) 32-36

PubMedSearch in Google Scholar

6 Hagerman B, Olofsson Å. A method to measure the effect of noise reduction algorithms using simultaneous speech and noise. Acta Acust United Acust 2004; 90 (02) 356-361

PubMedSearch in Google Scholar

7 Aubreville M, Petrausch S. Directionality assessment of adaptive binaural beamforming with noise suppression in hearing aids. In: 2015 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE; 2015: 211-215

PubMedSearch in Google Schola