Doctoraat in de ingenieurswetenschappen: biomedische ingenieurstechnieken

Fysiologie en modelgebaseerde methoden voor precisiediagnostiek van gehoorschade en gepersonaliseerde modellen van het gehoor


Doctorandus Publieke verdediging
Naam: Sarineh Keshishzadeh   Datum: Donderdag 01/07/2021 om 15:00 
Adres: ()
, null null
  Lokatie: volledig digitaal, met livestream (uitgezonderd de deliberatie van de examencommissie (cf. COVID19-maatregelen)
Contact FEA: info.ea@ugent.be   Taal: Engels

Curriculum
Bachelor of Biomedical Engineering, Islamic Azad University, Science and Research Branch, Tehran, Iran (October 2012)

Master of Biomedical Engineering, Amirkabir University of Technology (AUT), Tehran, Iran (August 2016)

Promotor
Sarah Verhulst
Dick Botteldooren

Examencommissie
prof. Filip De Turck
Sarah Verhulst (EA05)
Dick Botteldooren (EA05)
Torsten Dau
Jan Wouters
Ingeborg Dhooge
Paul Devos, Universiteit Gent, Faculteit Ingenieurswetenschappen en Architectuur, EA05 - Vakgroep Informatietechnologie, Technologiepark Zwijnaarde 126, 9052 Zwijnaarde
E: p.devos@ugent.be

Onderzoeksthema

Dit doctoraatsonderzoek zal enkele tekortkomingen van de huidige diagnostische instrumenten m.b.t. een neurosensorieel gehoorverlies (SNHL) bij de mens aanpakken. Specifiek beoogt het onderzoek de ontwikkeling van een objectief diagnostisch instrument gebaseerd op de auditief geëvoceerde potentiaal (AEP), dat voor het eerst een differentiële diagnose mogelijk maakt tussen verliezen van de buitenste haarcellen (OHC) en cochleaire synaptopathie (CS) subtypes van een SNHL. Gebruikmakend van het state-of-the-art biofysisch geïnspireerde numeriek model van het auditieve perifere systeem, bepaalt dit project de frequentiegevoeligheid van omhullende-volgende respons (EFRs) op verschillende types van akoestische stimuli. Daarnaast ontwikkelt het technieken om frequentiespecifiekere responsen te genereren dan momenteel beschreven staan in de literatuur. Gebruikmakend van modelsimulaties gecombineerd met geregistreerde menselijke AEPs, identificeert dit doctoraatsonderzoek welke van de tot dusver ontwikkelde AEP-afgeleide metrieken en fysiologische metingen het meest geschikt zijn om geïndividualiseerde auditieve perifere modellen te generaliseren. Vanuit dit opzicht worden technieken voor machinaal leren voorgesteld om de voorspelde geïndividualiseerde CS-profielen van menselijke proefpersonen te valideren. Wat deze benadering uniek maakt, is de op AEP gebaseerde CS profilering van de luisteraar in aanwezigheid van OHC-verlies, die gebruikt kan worden bij de ontwikkeling van geïndividualiseerde hoortoestelalgoritmen, ter compensatie van een verminderde geluidsverwerking als gevolg van zowel OHC-verlies als CS.


Taal proefschrift
Engels

Documenten