난청 극복의 혁신: 개인 맞춤형 보청기 증폭 기술, NeuroAMP 등장!

Shafique Ahmed 등 연구진이 개발한 NeuroAMP는 종단 간 심층 신경망을 이용한 개인 맞춤형 보청기 증폭 기술로, 다양한 아키텍처 중 Transformer가 최고 성능을 보였으며, 잡음 제거 기능 통합으로 실제 환경에서도 우수한 성능을 입증했습니다.

보청기 사용자가 증가하고 있지만, 기존의 다양한 모듈을 통합하는 복잡한 증폭 과정 최적화는 여전히 난제였습니다. Shafique Ahmed 박사를 비롯한 연구팀은 이러한 문제 해결을 위해 딥러닝 기반의 혁신적인 보청기 증폭 기술인 NeuroAMP를 개발했습니다.

NeuroAMP는 기존 방식과 달리, 종단 간(end-to-end) 방식의 심층 신경망을 활용합니다. 이는 여러 모듈을 개별적으로 최적화하는 대신, 입력 신호부터 출력 신호까지 전체 과정을 하나의 네트워크로 처리하여 효율성과 성능을 높이는 것을 의미합니다. CNN, LSTM, CRNN, 그리고 Transformer 등 다양한 네트워크 아키텍처를 비교 분석하여 최적의 성능을 제공하는 모델을 도출했습니다.

특히, 연구팀은 청취자의 오디오그램(청력검사 결과)과 스펙트럼 특징을 모두 입력으로 사용하여 개인 맞춤형 증폭을 실현했습니다. 더 나아가, 실제 환경의 잡음을 고려하여 잡음 제거 기능을 통합한 Denoising NeuroAMP도 개발하여 성능을 더욱 향상시켰습니다.

모델의 일반화 능력을 높이기 위해, TIMIT, TMHINT, Cadenza Challenge MUSIC 등 다양한 음성 및 음악 데이터셋을 사용하여 포괄적인 데이터 증강 전략을 적용했습니다. 그 결과, Transformer 아키텍처 기반의 NeuroAMP는 TIMIT 데이터셋에서 HASQI 0.9927, HASPI 0.9905, Cadenza Challenge MUSIC 데이터셋에서 HAAQI 0.9738의 높은 상관계수(SRCC)를 달성했습니다. 더욱 놀라운 것은, 이렇게 학습된 모델이 VCTK, MUSDB18-HQ 등 새로운 데이터셋에서도 높은 성능을 유지했다는 점입니다.

Denoising NeuroAMP는 VoiceBank+DEMAND 데이터셋에서 기존의 NAL-R+WDRC 방식과 2단계 기반 모델을 능가하며, HASPI와 HASQI 점수 모두 10% 향상(각각 0.90, 0.59)을 기록했습니다. 이는 NeuroAMP와 Denoising NeuroAMP가 개인 맞춤형 보청기 증폭 기술에 혁신적인 발전을 가져올 가능성을 보여줍니다.

이 연구는 단순히 새로운 기술을 제시하는 것을 넘어, 난청으로 어려움을 겪는 많은 사람들에게 희망을 선사합니다. 개인의 청력 특성에 맞춰 최적화된 보청기 증폭 기술의 발전은 더욱 편안하고 자연스러운 청취 경험을 제공할 것이며, 삶의 질 향상에 크게 기여할 것으로 기대됩니다. 🗣️🎧✨