보청기의 실시간 어음 및 소음 분류를 위한 머신러닝 기술에 관한 체계적 문헌고찰
A systematic review of machine learning techniques for real-time speech and noise classification in hearing aids.
- 연구 질문
- 보청기에서 실시간 어음 및 소음 분류를 수행하기 위한 머신러닝 기술의 성능과 동향은 어떠한가?
- 연구 방법
- 2004년부터 2024년 사이에 발표된 보청기용 머신러닝 기반 어음 및 소음 분류에 관한 피어 리뷰 연구들을 대상으로 PRISMA 2020 가이드라인에 따라 체계적 문헌고찰을 수행하였다.
- 비교
- 머신러닝 및 딥러닝 접근 방식과 전통적인 신호 처리 기술을 비교하였다.
- 주요 결과
- 머신러닝 및 딥러닝 접근 방식이 어음 및 소음 분류 작업에서 전통적인 신호 처리 기술보다 일관되게 우수한 성능을 보였다. 특히 합성곱 신경망(CNN), 순환 신경망(RNN), 장단기 메모리(LSTM) 및 하이브리드 모델과 같은 딥러닝 구조가 소음이 많고 역동적인 음향 환경에서 개선된 강건성, 적응성 및 분류 성능을 나타냈다.
- 한계
- 지연 시간, 계산 효율성, 에너지 소비 및 실제 환경 적용과 관련된 과제가 남아 있다.
- 실무 맥락
- 난청 환자의 소음 환경 내 어음 이해 저하 문제를 해결하기 위한 보청기용 지능형 시스템 기술에 관한 연구이다.