基于前植入 MRI 预测先天性听力损失儿童的语言发展
计算与语言
2025-11-17 v1 机器学习
摘要
听人工耳蜗植入 (CI) 显著�改善了严重至深重感听损失 (SNHL) 儿童的语言发展，但结果在正常听力儿童中仍存在较大变异性。这种变异性无法仅凭植入年龄或残余听力进行可靠预测。本研究旨在比较传统机器学习 (ML) 和深度转移学习 (DTL) 算法的准确性，用于预测三甲中心共 278 名植入儿童的术后语言发展。采用二元分类模型区分高语言改善者与低语言改善者。采用传统 ML 和 DTL 学习基于大脑神经解剖特征的预测模型，评估其准确率、灵敏度和特异度。采用双线性注意力融合策略的 DTL 模型实现：准确率为 92.39%（95% 置信区间，90.70%-94.07%），灵敏度为 91.22%（95% 置信区间，89.98%-92.47%），特异度为 93.56%（95% 置信区间，90.91%-96.21%），受试者工作曲线下面积 (AUC) 为 0.977（95% 置信区间，0.969-0.986）。DTL 在所有结果指标上均优于传统 ML 模型。DTL 通过直接捕获判别性和任务特定信息，实现了在表示学习方面的优势，超越了 ML 方法。结果支持单一 DTL 模型为全球 CI 项目服务的儿童语言预测的可行性。
引用
@article{arxiv.2511.10669,
title = {Forecasting Spoken Language Development in Children with Cochlear Implants Using Preimplantation MRI},
author = {Yanlin Wang and Di Yuan and Shani Dettman and Dawn Choo and Emily Shimeng Xu and Denise Thomas and Maura E Ryan and Patrick C M Wong and Nancy M Young},
journal= {arXiv preprint arXiv:2511.10669},
year = {2025}
}
备注
38 pages