Het aantal mensen met gehoorproblemen in alledaagse situaties blijft toenemen, terwijl hoorapparaten er nog altijd niet in slagen om de spraakverstaanbaarheid te herstellen in lawaaierige omgevingen en voor complexe gehoorstoornissen. Deze doctoraatsthesis probeerde enkele van de tekortkomingen van de huidige hoortoestellen aan te pakken door nieuwe audio-verwerkings strategieën te ontwikkelen die de werking van het slechthorend auditieve systeem kan "reverse-engineeren" en op deze manier verschillende soorten gehoorproblemen beter kunnen behandelen. Computationele modellen van het auditieve systeem en machine learning technieken werden gebruikt om biofysisch geïnspireerde signaalverwerkingsalgoritmen te ontwerpen die het gehoor van een individu maximaal terug herstelt. De ontwikkelde audio-verwerkings algoritmen kunnen de toekomstige generatie van hoortoestellen ten goede komen en een nauwkeurige behandeling van slechthorendheid mogelijk maken voor de steeds aangroeiende bevolking met gehoorproblemen.