不适阈值推测系统、方法及其程序、助听器调整系统及不适阈值推测处理电路

摘要

本发明提供一种不适阈值推测系统、方法及其程序、助听器调整系统及不适阈值推测处理电路。不适阈值推测系统具备：输出部，其向用户呈现具有包含在规定的声压范围内的声压的第1声音，自呈现了第1声音的时刻起经过第1规定时间后，向用户呈现具有与第1声音相同的声压的第2声音；生物体信号计量部，其计量用户的脑波信号；提取部，其从自第2声音的呈现时刻起直到经过第2规定时间后为止计量到的脑波信号中，提取脑波信号的事件关联电位的特征量；以及推测部，其参照预先确定的、事件关联电位的特征量与不适阈值之间的关系，推测与提取出的事件关联电位的特征量对应的不适阈值。

说明书

技术领域

本申请涉及用于评价是否可舒适地听取语音的技术。更具体是，本申 请涉及对助听器等中外部声音的每个频率的放大量进行调整后获得对各 个用户而言适当大小的声音的用于“拟合(fitting)”的、推测纯音或语 音所对应的不适阈值的装置、方法及程序等。

背景技术

近年来，伴随于社会的老龄化，老年人听力障碍者正在增加。由于长 时间收听大音量的音乐的机会增加等影响，导致具有音乐性的听力障碍的 年轻人也在增加。再有，伴随于助听器的小型化、高性能化，对于助听器 的利用而言，用户拥有的阻力正在减少。因而，利用助听器的用户正在增 加。

具有听力障碍的用户很难听到具有特定频率的声音。该特定频率对每 个用户来说是不同的。助听器将该特定频率的声音信号的振幅放大。由此， 用户容易听到声音。

助听器要求根据每个用户的听力下降的程度来变更放大声音的量。因 而，在开始利用助听器之前，需要依据每个用户的听力来进行调整声音的 放大量的“拟合”。

拟合的目的在于，将助听器输出的声压设成MCL(most comfortable  level)。在此，助听器输出的声压指的是作为声音人类可感受到的空气的 压力变动。MCL指用户可舒适地听到的声压。助听器要求按声音的每种 频率将输出的声压设为MCL。

作为不适当的拟合的例子，有：(1)声压的放大量不足的情况；或 (2)声压的放大量过大的情况。例如，在声压的放大量不足的情况下， 用户无法听出声音。该情况下无法达成利用上述助听器的目的。再有，在 声压的放大量过大的情况下，虽然用户可听出声音，但感觉到声音嘈杂。 结果，用户无法长时间使用助听器。因此，有必要按照上述(1)或(2) 中任一项都不符合的方式进行助听器的拟合。尤其是(2)，存在助听器 对用户呈现具有所需以上的大声压的声音的可能性。结果，存在具有大声 压的声音会弄伤用户的耳朵的危险性。

大体上区分的话，拟合具有2个步骤。拟合的最初步骤是听力敏度图 的测量。“听力敏度图”是对用户可听取的纯音的最小声压、即阈值(hearing  threshold level：HTL)进行测量后的结果。听力敏度图例如是将阈值(分 贝值)按每个频率(例如250Hz、500Hz、1000Hz、2000Hz、4000Hz) 画出来的图。

拟合的第2个步骤是决定声压的放大量。例如，利用被称为拟合理论 的用于推测声音的放大量的函数，按每个频率且还按每个输入声音的声压 来决定放大量。具有多种拟合理论。作为拟合理论的例子的半增益法将各 频率的插入增益设为该频率的阈值的一半。Berger法考虑对话声音的频带 个等级后使1000Hz～4000Hz的放大增强一些。POGO法以半增益法为基 础，将语音信息少且噪音分量多的250Hz与500Hz的增益分别减少10dB、 5dB。NAL-R法按照语言的长时间声响分析频率进入舒适等级的方式进行 放大。

再有，拟合理论包括有效地利用阈值、用户感觉不适的大的声压等级 即UCL(uncomfortable level)、及MCL的信息来决定声压的放大量的 方法。该情况下，在决定声压的放大量之前，要求测量或者推测UCL及 MCL。为了回避上述(2)的问题，有必要测量UCL并在不超过UCL的 范围内设定放大量。

与听力敏度图的测量同样地，按每个频率测量UCL。在现有技术中， 利用主观报告测量了UCL。“主观报告”指用户听到声音之后，用户报 告对该声音的主观上的感想。例如，利用听度计，通过上升法(逐渐提高 声压等级)向用户呈现连续音或断续音，使用户报告是否为过于嘈杂而长 时间未听到的声压。而且，将用户报告为长时间未听到的声压设成UCL (非专利文献1)。

由于UCL的基准受到个人或语言表现的影响而变动，故基于主观报 告的UCL测量很难，不存在已被确立的方法。因此，正在逐步开发利用 脑波在客观上测量UCL的方法。例如，非专利文献2公开的技术利用被 称为ABR(auditory brainstem response)的脑干反应所包含的V波的 潜伏期与刺激强度之间的关系来推测UCL。随着声压的增大，V波的潜 伏期缩短。在V波的潜伏期的缩短达到顶峰之时，确定用户听到的声音 的声压。将在确定完的声压上相加了常数(例如15或10)的声压作为 UCL。

另一方面，由于一般来说基于主观报告的测量很难，故MCL(most  comfortable level)大多被近似为听力阈值的一半斜率(半增益)或UCL 与听力阈值的中央值。

这样，在测量UCL的过程中，实际上在对用户呈现了大的声音的基 础上，需要根据来自用户的回答或ABR等脑干反应进行计算。

【在先技术文献】

【非专利文献】

【非专利文献1】君付隆他、「聴力に異常のない聴覚過敏患者に おける内耳機能検查の特徴」、Audiology Japan、Vo l.52、No.3、P.152-156、2009年

【非专利文献2】Thornton、A.R.等、“The objective estimation of  loudness discomfort level using auditory brainstem evoked  responses”、Scandinavian Audiology、Vol.16、否.4、P.219-225、1987 年

发明内容

(发明所要解决的技术问题)

然而，在所述现有技术的非专利文献1、非专利文献2公开的构成中， 对于任一个用户采取：在呈现了不适等级的声压的声音刺激的基础上，用 户在成为不适状态之后判定是否为UCL的方法。为此，在进行听力评价 之际，可向用户呈现强大的声音，存在用户实际上需要处于不适状态的问 题。这是因为采取了在现有方法中根据用户是否处于不适状态来调查不适 阈值的步骤。

本申请的非限定性且例示性的某一实施方式提供一种用户不会听到 任何感觉到不适的强大声音就能推测用户的UCL的技术。

(用于解决技术问题的方案)

为了解决上述问题，作为本发明的一个方式的不适阈值推测系统包 括：输出部，其向用户呈现具有规定的声压范围所包含的声压的第1声音， 自呈现了所述第1声音的时刻起经过第1规定时间后，向所述用户呈现具 有与所述第1声音相同的声压的第2声音；生物体信号计量部，其计量所 述用户的脑波信号；提取部，其从自所述第2声音的呈现时刻起直到经过 第2规定时间后为止计量到的脑波信号中，提取所述脑波信号的事件关联 电位的特征量；以及推测部，其参照预先确定的、事件关联电位的特征量 与不适阈值之间的关系，推测与提取出的所述事件关联电位的特征量对应 的不适阈值。

上述的一般且特定形态可利用系统、方法及计算机程序而被安装，或 利用系统、方法及计算机程序的组合而得以实现。

(发明效果)

根据本发明的一个方式涉及的不适阈值推测系统，即便用户没有听到 感觉不适的强大声音，也能推测助听器的调整所需的UCL，因此可减轻 助听器调整中的用户的负担。

附图说明

图1是表示根据主观报告而测量出的UCL评价结果的图。

图2表示脑波计量实验的过程的概要。

图3(a)是表示国际10-20法(10-20 System)的电极位置的图、 (b)是表示在本实验中安装了电极的电极配置的图。

图4A中，(a)是表示基于呈现第1声音后的事件关联电位而得到 的3种总和平均波形的图，(b)是表示基于呈现第2声音后的事件关联 电位而得到的3种总和平均波形的图。

图4B中，(a)及(b)是表示画出了呈现出的各声压所对应的特征 量的变化的结果21及22的图。

图5是UCL推测结果的图表。

图6是表示推测误差的比较结果的图。

图7是表示基于例示性实施方式的不适阈值推测系统100的构成的框 图。

图8表示不适阈值推测系统100的具体实施方式的一例。

图9是表示基于例示性实施方式的不适阈值推测系统100的硬件结构 的图。

图10是表示基于例示性实施方式的不适阈值推测系统100的处理步 骤的概要的流程图。

图11是表示呈现声音控制部3的处理细节的流程图。

图12是表示呈现声音列表的数据表现例的图。

图13是特征量提取部6的处理的流程图。

图14是表示事件关联电位的特征量的提取处理的图像的示意图。

图15是不适阈值推测部8的处理的流程图。

图16是表示不适阈值的输出格式例的图。

图17A是表示基准DB7的数据结构的一例的图。

图17B是以其他观点对本申请的发明人实施的实验数据进行分析后 画出第1声音与第2声音所对应的N1P2特征量的值的图。

图17C是表示将N1P2振幅作为特征量时的判别基准DB7的例子的 图。

图17D是表示利用了语音时的不适阈值的输出格式例的图。

图18是表示助听器调整系统110的构成的框图。

图19是表示基于MCL反射镜法的主观报告的UCL的个人差的图。

图20是表示本发明的例示性实施方式的变形例涉及的不适阈值推测 系统101的构成的框图。

图21是表示变形例中的呈现声音控制部3的处理步骤的流程图。

图22是表示使用了第1声音与第2声音这两者的声音刺激呈现后的 事件关联电位的推测结果的事例的图。

具体实施方式

到此为止的、利用脑波来推测UCL的现有技术会让用户听到感觉不 适的强大声音，对用户而言并不是优选的。本申请的发明人为了解决该问 题，实施了本申请发明。

本发明的一个方式的概要如下所述。

作为本发明的一个方式的不适阈值推测系统具备：输出部，其向用户 呈现具有包含在规定的声压范围内的声压的第1声音，自呈现所述第1 声音的时刻起经过第1规定时间后，向所述用户呈现具有与所述第1声音 相同的声压的第2声音；生物体信号计量部，其计量所述用户的脑波信号； 提取部，其从自所述第2声音的呈现时刻起至经过第2规定时间后为止计 量出的脑波信号中，提取所述脑波信号的事件关联电位的特征量；以及推 测部，其参照预先确定的、事件关联电位的特征量与不适阈值之间的关系， 推测与提取出的所述事件关联电位的特征量对应的不适阈值。

在某一实施方式中，所述不适阈值推测系统还具备呈现声音控制部， 其依据预先确定的基准来决定所述规定的声压范围，按照以所述声压范围 的上限以下的声压从所述输出部呈现的方式来控制所述第1声音及所述 第2声音。

在某一实施方式中，基于所述呈现声音控制部的控制，所述输出部以 预先确定的频率及声压来输出所述第1声音及所述第2声音。

在某一实施方式中，基于所述呈现声音控制部的控制，所述输出部将 具有预先确定的声压范围的语音作为所述第1声音及所述第2声音来呈 现。

在某一实施方式中，基于所述呈现声音控制部的控制，所述输出部自 呈现了所述第1声音的时刻起经过100毫秒以上之后呈现所述第2声音。

在某一实施方式中，在将第1声音及第2声音作为1组声音刺激时， 所述输出部输出至少2组声音刺激，所述呈现声音控制部按每个声音刺激 使声压发生变化。

在某一实施方式中，在将第1声音及第2声音作为1组声音刺激时， 所述输出部输出第1组声音刺激及第2组声音刺激，所述呈现声音控制部 按照呈现所述第1组声音刺激、之后在1000ms±200ms的范围内呈现所述 第2组声音刺激的方式，控制所述声音刺激。

在某一实施方式中，所述提取部以所述第2声音的呈现时刻作为起 点，对到所述第2规定时间后为止计量到的所述脑波信号进行微波变换， 由此将与时间及频率相关的微波系数作为所述特征量来提取。

在某一实施方式中，所述推测部参照对微波系数与不适阈值的关系进 行了规定的基准数据库，来推测与作为所述特征量而得到的所述微波系数 对应的不适阈值。

在某一实施方式中，所述第2规定时间是能观测因所述第2声音引起 的所述事件关联电位的N1分量及P2分量的时间，所述提取部将所述N1 分量的峰值电位与所述P2分量的峰值电位的差分的绝对值、即N1P2振 幅作为所述特征量来提取。

在某一实施方式中，所述推测部参照对N1P2振幅与不适阈值的关系 进行了规定的基准数据库，来推测与作为所述特征量而得到的所述N1P2 振幅对应的不适阈值。

作为本发明的另一个方式的助听器调整系统具备：助听器；上述任一 个实施方式涉及的不适阈值推测系统；以及设定部，其接收利用所述不适 阈值推测系统推测出的所述不适阈值，将所述不适阈值作为最大输出值而 在所述助听器中进行设定。

作为本发明的又一个方式的不适阈值推测处理电路接收由生物体信 号计量部计量到的用户的脑波信号并使输出部呈现声音刺激，该不适阈值 推测处理电路具备：呈现声音控制部，其使输出部呈现具有包含在规定的 声压范围内的声压的第1声音，且自呈现所述第1声音的时刻起经过第1 规定时间后，呈现具有所述声压的第2声音；提取部，其从自所述第2 声音的呈现时刻起直到经过第2规定时间后为止计量到的脑波信号中，提 取所述脑波信号的事件关联电位的特征量；以及推测部，其参照预先确定 的、事件关联电位的特征量与不适阈值的关系，来推测提取出的所述事件 关联电位的特征量所对应的不适阈值。

作为本发明的又一个方式的不适阈值推测方法包含：向用户呈现具有 规定的声压范围所包含的声压的第1声音，自呈现所述第1声音的时刻起 经过第1规定时间后，向所述用户呈现具有与所述第1声音相同的声压的 第2声音的步骤；对所述用户的脑波信号进行计量的步骤；从自所述第2 声音的呈现时刻起直到经过第2规定时间后为止计量到的脑波信号中，提 取所述脑波信号的事件关联电位的特征量的步骤；以及参照预先确定的、 事件关联电位的特征量与不适阈值的关系，来推测提取出的所述事件关联 电位的特征量所对应的不适阈值的步骤。

作为本发明的又一个方式的计算机程序是由设置在不适阈值推测系 统的不适阈值推测处理电路中的计算机执行的计算机程序，所述计算机程 序使所述计算机执行：经由输出部向用户呈现具有包含在规定的声压范围 内的声压的第1声音，自呈现所述第1声音的时刻起经过第1规定时间后， 向所述用户呈现具有与所述第1声音相同的声压的第2声音的步骤；获取 所述用户的脑波信号的步骤；从自所述第2声音的呈现时刻起直到经过第 2规定时间后为止计量到的脑波信号中，提取所述脑波信号的事件关联电 位的特征量的步骤；以及参照预先确定的、事件关联电位的特征量与不适 阈值的关系，来推测提取出的所述事件关联电位的特征量所对应的不适阈 值的步骤。

作为本发明的又一个方式的不适阈值推测系统具备：声压范围决定 部，其决定应该向用户呈现的声压范围；第1声音呈现部与第2声音呈现 部，以规定的时间间隔呈现由所述声压范围决定部决定的声压和频率相同 的2个声音；声音刺激输出部，其输出所述第1声音呈现部和所述第2 声音呈现部的声音；生物体信号计量部，其对所述用户的脑波进行计量； 事件关联电位取得蓄积部，其以第2声音呈现部的声音刺激输出定时为起 点，从由所述生物体信号计量部计量到的脑波中取得事件关联电位，将事 件关联电位与呈现第2声音时的声压、频率及检查耳朵的属性一起进行蓄 积；基准数据库，其保持用于根据所述事件关联电位的特征量推测不适阈 值的基准；以及不适阈值推测部，其依据保持在所述基准DB中的基准， 对所述事件关联电位取得蓄积部所蓄积的数据进行处理，推测比由所述声 压范围决定部决定的声压范围更大的不适阈值。

在某一实施方式中，由所述基准数据库保持的基准是与第2声音呈现 部的声音刺激所对应的事件关联电位对应的不适阈值的值的基准。

在某一实施方式中，由所述基准数据库保持的基准是基于第2声音呈 现部的声音刺激所对应的N1分量与P2分量的振幅量，是所述振幅量越 大则判断为不适阈值的值越大的基准。

在某一实施方式中，在所述基准数据库中，作为第2声音的特征量而 使用微波系数，所述系数越大则判断为UCL越大。

在某一实施方式中，在所述声压范围决定部中，将呈现声压设为 80dB、85dB、90dB，而不依赖于用户。

在某一实施方式中，在所述声压范围决定部中，根据用户的最小可听 阈值，设定成与根据拟合理论推测出的UCL的值相比还要低规定值。

在某一实施方式中，由所述声压范围决定部决定的声压范围是比所述 用户的最小可听阈值的声压大、且比所述用户设想的不适阈值小的声压的 范围。

在某一实施方式中，由所述声压范围决定部决定的声压的上限值是根 据所述用户的最小可听阈值推测出的不适阈值。

在某一实施方式中，在所述事件关联电位取得蓄积部中，除了第2 声音呈现部的声音刺激输出定时以外还在第1声音呈现部的声音刺激输 出定时取得事件关联电位，并与呈现各声音刺激时的声压、频率及检查时 的属性一起进行蓄积。

作为本发明的又一个方式的不适阈值推测方法包含：声压范围决定步 骤，决定应该向用户呈现的声压范围；第1声音呈现步骤与第2声音呈现 步骤，以规定的时间间隔呈现由所述声压范围决定部2决定的声压和频率 相同的2个声音；声音刺激输出步骤，输出所述声音呈现步骤的声音；生 物体信号计量步骤，对用户的脑波进行计量；事件关联电位取得蓄积步骤， 以第2声音呈现步骤的声音刺激输出定时为起点，从通过所述生物体信号 计量步骤计量到的脑波中取得事件关联电位，将事件关联电位与呈现第2 声音时的声压、频率及检查耳朵的属性一起进行蓄积；基准数据库，保持 用于根据所述事件关联电位的特征量推测不适阈值的基准；以及不适阈值 推测步骤，依据所述基准数据库所保持的基准，对在所述事件关联电位取 得蓄积步骤中蓄积的数据进行处理，来推测比由所述声压范围决定部决定 的声压范围大的不适阈值。

作为本发明的又一个方式的计算机程序是由设置在不适阈值推测系 统中的计算机执行的计算机程序，所述计算机程序使安装于所述不适阈值 推测系统中的计算机执行：声压范围决定步骤，决定应该向用户呈现的声 压范围；第1声音呈现步骤与第2声音呈现步骤，以规定的时间间隔呈现 由所述声压范围决定部2决定出的声压和频率相同的2个声音；声音刺激 输出步骤，输出所述声音呈现步骤的声音；生物体信号计量步骤，对用户 的脑波进行计量；事件关联电位取得蓄积步骤，以第2声音呈现步骤的声 音刺激输出定时为起点，从通过所述生物体信号计量步骤计量到的脑波中 取得事件关联电位，将事件关联电位与呈现第2声音时的声压、频率及检 查耳朵的属性一起进行蓄积；以及不适阈值推测步骤，依据保持用于根据 所述事件关联电位的特征量推测不适阈值的基准的所述基准数据库所保 持的基准，对在所述事件关联电位取得蓄积步骤中蓄积的数据进行处理， 推测比由所述声压范围决定部决定的声压范围大的不适阈值。

在说明本发明的例示性实施方式之前，先说明本说明书所采用的用语 的定义及本申请的发明人进行的实验，说明根据该实验的结果得到的本申 请的发明人的见解。之后，说明实施方式。

首先，说明本说明书中的用语的定义。

“事件关联电位(event-related potential：ERP)”指针对刺激产生 的脑波(electroencephalogram：EEG)的电位的变动。

“声音刺激”指向用户呈现的声音所引起的刺激。

“N1分量”指以呈现了声音刺激的时刻为起点，约100ms为止的脑 波所包含的阴性分量的电位。N1分量包含在事件关联电位中。

“P2分量”指以呈现了声音刺激的时刻为起点，约200ms范围后的 脑波所包含的阳性分量的电位。P2分量包含在事件关联电位中。

“潜伏期”指以呈现了声音刺激的时刻为起点，阳性分量或阴性分量 的峰值电位出现为止的时间。

“阴性分量”一般来说指的是比0μV更小的电位。

“阳性分量”一般来说指的是比0μV更大的电位。其中，当存在对 电位进行比较的对象时，将具有更负的值的电位也称为阴性分量。再有， 当存在对电位进行比较的对象时，将具有更正的值的电位也称为阳性分 量。

“不适阈值(uncomfortable loudness level：UCL)”指用户感到不适 程度的大的声压。

“最小可听值(hearing threshold level：HTL)”指用户可听取的最 小声音的声压。

“纯音”指以单一的频率重复周期振动的、以正弦波表示的声音。

另外，根据“以事件关联电位(ERP)手册P300为中心”(加我君 孝等人编辑、篠原出版新社、1995)的第30页记载的表1可知，一般来 说事件关联电位的波形中按每个人会产生30ms～50ms的差异(偏差)。 因而，在本说明书中“约Xms”或“Xms附近”这样的用语指的是以Xms 为中心的前后30～50ms的范围。例如，X＝100时是100ms±30ms，X＝200 时是200ms±50ms。也可以考虑个人差异，产生提供宽范围的50ms的偏 差。此时，“约Xms”表示(X-50)ms以上、(X+50)ms以下。

以下，参照添加的附图，说明基于本发明的例示性实施方式的不适阈 值推测系统的各实施方式。

本发明的例示性实施方式的不适阈值推测系统通过呈现具有用户不 会感到不适程度的大小的声压的呈现声音，从而可推测不适阈值。在说明 推测方法之前，说明本申请的发明人实施的实验及其实验结果。而且，说 明能够实施本申请的发明人根据实验数据发现了的UCL推测的脑波诱发 反应的特性。

(实验概要的说明)

1.实验概要

本申请的发明人以实现短时间且高精度地客观测量UCL的不适阈值 推测为目标，为了收集用于推测纯音所对应的不适阈值的基础数据而实施 了以下的2个实验。

1个是基于主观报告来测量UCL的主观报告实验。主观报告实验是 在脑波计量实验前后分别实施的。将通过该主观报告实验得到的UCL数 据作为来自大脑的推测目标的基准数据来使用。

另1个是对声音刺激所对应的反应进行计量的脑波计量实验。作为声 音刺激，将同一频率且同一声压的纯音隔开规定间隔后呈现了2次。以下， 将呈现了2次的纯音的声音刺激还标记为“成对刺激”。取得该声音刺激 呈现所对应的事件关联电位，作为UCL值的推测实验的数据。

考察实验结果后本申请的发明人发现：一般来说，即便呈现了比被评 价为UCL的声压更低的声压的成对刺激，也能够构成根据第1声音或第 2声音所对应的脑波分量(事件关联电位)的特征量可推测UCL值的识 别器。根据本方法，即便不呈现用户感觉不适程度的强大声音，也能够实 现短时间且高精度的UCL推测。

以下，详细说明本申请的发明人实施的实验及其结果、通过分析而明 确的脑波特征。之后，作为实施方式，说明不适阈值推测系统的概要及其 构成与动作。

(实验条件的说明)

2.UCL主观报告实验及脑波计量实验

2-1.UCL主观报告实验

实验参加者是具有正常的听力的社会人士12名(28～49岁)。

分别在脑波计量实验的前后分别实施了主观报告实验。与非专利文献 1相同，利用听度计，以上升法呈现连续音，报告过于嘈杂而感觉不适的 声压，将该声压设为UCL。针对在脑波计量实验中呈现的3个频率(1000、 2000、4000Hz)，各自以单耳的方式实施了两耳测量。为了不预测声压， 从60、65、70dB中随机地决定开始实验的声压。使连续音的声压以5dB 为单位上升。通过举手来报告过于嘈杂而感觉不适的声压。参加者举手之 后马上停止声音呈现并记录该声压。

以下，说明主观报告实验的结果。

虽然所有参加者都是听力正常的人，但主观报告实验的结果对每个人 来说相差很大。最大的差异在同一频率下是40dB。这表示“过于嘈杂而 感觉不适”的状态对每个人来说大不相同。

图1表示根据主观报告测量出的UCL评价结果。在所有被试验者所 对应的不适阈值的脑波实验之前进行的主观报告实验中，平均值为 91.2dB。再有，在脑波实验后进行的主观报告实验中，平均值为94.0dB。 将脑波实验前后的结果也综合在一起的整体的平均值为92.6dB。在基于 主观报告的UCL评价中，其特征在于：平均值也偏离；即便反复进行相 同的评价，报告值也会变动。如图1所示，可知：实验前后的变动量为 3.75±3.89dB，基于主观报告的UCL评价偏离了某一程度。

2-2.脑波计量实验

在脑波计量实验中，以设想为包含包括UCL在内的大的声压的多个 声压呈现成对刺激，调查了第1声音和第2声音所对应的事件关联电位的 特征变化。以下，参照图2～图6，说明脑波计量实验的实验设定及实验 结果。

图2表示脑波计量实验过程的概要。图2的横轴表示时刻。声音刺激 设为持续时间为50ms的猝发音。将声音的提高(rise)及下降(fall)设 为3ms。为了调查每个频率及每个声压的事件关联电位，针对3个频率 (1000、2000、4000Hz)分别准备了5种声压(80、85、90、95、100dB) 的声音刺激。声音刺激的呈现中利用了耳机(headphone)。耳机虽然具 有各自紧贴在2个耳朵上的2个扬声器，但声音刺激并不是对两耳呈现， 而是分单耳呈现。而且，将作为同一声音刺激的第1声音及第2声音隔开 规定间隔，在各实验参加者的相同侧的耳朵上呈现。

提示了参加者也可以不注意声音刺激。将1个成对刺激内的第1声音 与第2声音的间隔(成对间间隔)固定为300ms。再有，在1000±200ms 的范围内随机地决定某成对刺激的第1声音与下一成对刺激的第1声音的 间隔(刺激间间隔)。实验将750次的成对刺激作为1块来实施了2块。

基于下面的制约条件决定了呈现为成对刺激的声音刺激。

(i)不选择与紧跟前成对刺激相同频率的声音刺激。

(ii)呈现成对刺激的耳朵是左右随机的。其中，不会使对左右任一 只耳朵的成对刺激连续4次以上。

认为由于这些制约，可降低基于同一成对刺激的连续呈现的听觉诱发 电位的适应(habituation)的影响。

以鼻子为基准，从头皮上的Fz、Cz、Pz(国际10-20法)、右眼右、 右眼下、左右乳突记录了脑波。“乳突”是耳朵背面的耳根下部的头盖骨 的乳头状突起。图3(a)表示国际10-20法(10-20 System)的电极位 置。图3(b)表示本实验中安装了电极的电极配置。(1)表示Fz、(2) 表示Cz、(3)表示Pz、(4)表示左乳突、(5)表示右乳突、(6)表 示右眼下、(7)表示右眼右的位置。

采样频率设为1000Hz、时间常数设为1秒，实施了30Hz的模拟低 通滤波器。以离线方式实施5-20Hz的数字带通滤波，对两乳突连结基准 再次进行了基准化。作为声音刺激所对应的事件关联电位，以呈现了第1 声音及第2声音的时刻为起点，分别分离出-100ms～400ms的波形。在此， “-100ms”指比呈现了声音刺激的时刻超前100毫秒的时间点。

为了调查每个声压的整体脑波特征的倾向，对第1声音及第2声音所 对应的事件关联电位按每个个人、左右每个耳朵、每个频率、每个声压分 别进行了相加平均。任一个电极中绝对值包括50μV以上的振幅的试行由 于存在眼电流等噪声混入的可能性，故从总和平均或者相加平均中刨除。

图4A(a)示出基于呈现第1声音后的事件关联电位得到的3种总和 平均波形。虚线、细实线、粗实线分别作为得到的脑波波形的例子，表示 呈现90、95、100dB的声音刺激而得到的事件关联电位的总和平均波形。 另一方面，图4A(b)示出基于呈现第2声音后的事件关联电位而得到的 3种总和平均波形。对于任一个声压的声音刺激而言，虽然声音刺激呈现 后的约100ms内会发生N1分量(阴性的峰值)，但也可看出来其波形在 第1声音和第2声音中是不同的。

每个事件关联电位按照自呈现定时起-100ms～0ms的区间的平均电 位变为0μV的方式进行基线修正，能够比较来自各事件关联电位的刺激 呈现的变化。为了自第1声音的呈现开始起300ms后呈现第2声音，所 取得的第1声音的事件关联电位与第2声音的事件关联电位一部分重复。 然而，图4A(a)的300ms周边及(b)的0ms周边的波形并不完全一致。 其理由是，在生成第2声音的事件关联电位的情况下，进行以第2声音的 呈现定时为起点的基线修正。由此也可以认为各事件关联电位包含着不同 的信息。

以下，说明脑波计量实验的结果。

本申请的发明人提取在不适阈值的推测中能够使用的特征作为了事 件关联电位的特征量。更具体的是，该特征量被作为与事件关联电位的频 率的时间变化相关的特征量来提取。作为用于该提取的方法，使用了微波 分析。这是因为，认为通过微波分析不仅能够使用时间信息，而且还能够 使用分析对象时区间的特定的频率信息。要分析的对象是，对于时间来说 是以可观察到N1分量的峰值的时间带为中心的前后10ms区间的事件关 联电位，对于频带来说是估算成包含声音所对应的反应的5Hz～15Hz的 输出值的平均。

图4B(a)及(b)表示画出了呈现出的各声压所对应的特征量的变 化的结果21及22。分析是通过对第1声音所对应的反应、及第2声音所 对应的反应求出微波系数来进行的。图4B(a)是表示由微波系数示出的、 呈现第1声音后的每个声压的事件关联电位的波形变化的图表。再有，图 4B(b)是表示由微波系数示出的、呈现第2声音后的每个声压的事件关 联电位的波形变化的图表。每张图表的横轴示出呈现声压越向右前进就越 呈现大声音的情况，纵轴示出各特征量(微波系数的值)。

每张图表中描绘有3根线。以基于主观报告的UCL值的大小将被试 验者分为3个群组，然后分别对各群组的特征量进行平均。分别画出 UCL100dB以上的被试验者群组、UCL90～99dB的被试验者群组、 UCL90dB以下的被试验者群组的平均。

本申请的发明人根据图4B的数据得到了以下的关注点。

第一，第1声音所对应的反应随着呈现声压增大，其特征量也增大。 图表21表明：无论是哪一个被试验者群组都可观察到向右上升，第1声 音所对应的反应较多地包含与声音的大小建立了关联的反应。

本申请的发明人利用N1P2振幅验证了是否存在与上述微波系数同 样的倾向。N1P2振幅表示N1分量的峰值电位与P2分量的峰值电位的差 分的绝对值(单位：μV)。具体是，N1P2振幅可作为N1的峰值电位(负) 的绝对值与P2的峰值电位(正)之和来获得。求取N1P2振幅后，其结 果，本申请的发明人确认了对于N1P2振幅来说也具有同样的倾向。

另一方面，第2声音所对应的反应在呈现声压与特征量的大小方面不 会显示出明确的关系。图表22中，声压变化所对应的特征量的变化并不 是非常明确。但是，基于被试验者群组的特征量的大小关系是比较明确的。 例如，在主观报告的UCL值最大(100dB以上)的被试验者群组中，其 特征量表现为最大。在主观报告的UCL值最小的被试验者群组中，其特 征量表现为最小。在主观报告的UCL值为中等程度(90～99dB)的被试 验者群组中，其特征量表现为中等程度

根据这些分析结果，本申请的发明人发现了以下的见解。在呈现第1 声音后的300ms内提供第2声音的声音刺激。由此，在提供第2声音的 声音刺激的时间点，可以说是第1声音的刺激引起的大脑反应并未充分完 成。结果，认为起因于第2声音的声音刺激的反应不同于起因于第1声音 的声音刺激的反应时。

该起因于第1声音的声音刺激的反应可以说是声音的大小引起的反 应。根据图4B(a)可知，这是因为作为整体的倾向，波形与声音的大小 成正比地增大(参照图4B(a)的白色箭头)。另一方面，起因于第2声 音的声音刺激的反应并不反映声音的大小。根据图4B(b)可知，这是因 为作为整体的倾向，波形并不与声音的大小成正比地增大(参照图4B(b) 的白色箭头)。如之前说明过的，根据图4B(b)的波形可以说：即便在 声音并不大的情况下，也包含有与UCL相关的信号。由此认为，第2声 音所对应的反应并不直接反应声音的大小，与声音的大小所对应的反应的 强度相关联。由此，可得出结论：主观报告的UCL值、和与对第2声音 的反应对应的事件关联电位的值之间存在相关。

基于该关注点可知，例如，如图4B(b)的85dB附近那样，即便在 并未呈现大的声音的部分也会看到与UCL值有相关。由此可以说是即便 不呈现强大的声音也能够推测UCL值。

在关联研究中，可知纯音听觉刺激(短而尖的声音、猝发音)所对应 的N1分量的潜伏期、及N1P2振幅随着声音刺激的强度与提高时间而变 化(铃木等、1985、聴性脳幹反応-その基礎と臨床-、メジカルビユ一 社、p.384-385)。具体是，在比规定的声压更小的声压的范围内，伴随 着刺激音的强度增大，N1分量的潜伏期缩短、且N1P2振幅增大。再有， 若成为规定的声压以上，则N1分量的潜伏期的缩短及N1P2振幅的增大 达到极限。在图4B(a)中也可看出该倾向。然而，可知第2声压所对应的 特征量示出与上述第1声音相异的举动。

2-3.基于两个实验数据的UCL的推测实验

基于该想法，分析声音刺激的呈现所对应的事件关联电位的特征量后 推测UCL，并进行了确认与主观报告的UCL值的一致程度的实验。

图5是UCL推测结果的图表。横轴示出使用哪一声压范围的声音刺 激呈现所对应的事件关联电位求取了微波系数。是最左边仅使用80dB的 事件关联电位、旁边使用80dB与85dB的事件关联电位、之后增加依次 使用的信息、最右边使用80～100dB的所有声压所对应的事件关联电位 而求取了微波系数时的结果。纵轴示出分析的UCL推测结果与主观报告 值的一致度(误差的平均)。例如，主观报告值为90dB、推测值为85dB 或95dB时，计算出误差为5dB。图5画出以该想法计算出的各被试验者 的各频率下的推测误差的平均。

图5中示出2根线。上侧的线为利用第1声音所对应的事件关联电位 的微波系数求出的线(S1)。下侧的线为利用第2声音所对应的事件关 联电位的微波系数求出的线(S2)。

由于图5的纵轴示出主观报告的UCL值与推测出的UCL值之间的误 差，故意味着该值越小推测精度就越高。由此，利用与下侧的线对应的、 第2声音所对应的事件关联电位会进一步减小推测误差，因此可以说是优 选的。例如，讨论图5横轴的最右边的例子(利用了所有声音刺激所对应 的事件关联电位的例子)。利用了第1声音所对应的事件关联电位时、和 利用了第2声音所对应的事件关联电位时的差约为2dB。由此可以说，推 测误差减小了2dB，更接近主观报告，可高精度地进行推测。

利用判别分析方法推测了UCL。评价中，将评价对象者以外的被试 验者的事件关联电位和主观报告UCL值的组作为学习数据来构成识别 器，利用该结构的识别器，进行了评价对象者的UCL推测。

结果，如从图5所读取到的，可知利用第2声音所对应的微波系数的 话误差较少。再有，图1中示出在实验前后主观报告UCL值的偏离量为 3.75±3.89dB。利用第2声音所对应的微波系数推测出的一部分UCL的偏 离量小于主观报告UCL值。具体是，该呈现声压使用了80dB、85dB、 90dB的情况、及使用了这以上的数据量的情况。

图6表示推测误差的比较结果。横轴示出推测中使用的数据。纵轴以 dB示出与主观UCL之间的推测误差。这样，即便在仅根据80、85、90dB 的声压所对应的事件关联电位进行了推测，也可进行与利用所有声压所对 应的事件关联电位进行了推测时相同程度的推测，可知该误差的大小程度 与主观报告的偏离量(图1)相同。

根据以上的实验，本申请的发明人获得了以下见解：基于呈现了具有 相同频率且相同声压的2个声音(第1声音与第2声音)时的诱发反应， 可推测UCL值。具体是，第1声音所对应的脑波主要包含与声音的大小 对应的分量，相对于此，第2声音所对应的脑波包含着与UCL对应的分 量。获得了以下的见解：通过对第2声音所对应的脑波(事件关联电位) 进行分析，从而能够以足够的精度推测UCL值。

以下，利用附图说明基于本申请的发明人发现的这些特性构成的不适 阈值推测系统的实施方式的细节。

3.本发明的例示性实施方式的说明

图7表示不适阈值推测系统100的构成。不适阈值推测系统100具备 声压范围决定部2、呈现声音控制部3、声音刺激输出部4、生物体信号 计量部5、特征量提取部6、基准数据库(DB)7和不适阈值推测部8。 另外，用户1是为了参考而示出的。

声压范围决定部2决定向用户1呈现的声音刺激的声压范围。

在呈现声音控制部3中，根据由声压范围决定部2决定的声压范围， 控制呈现声音。呈现声音控制部3具有第1声音呈现部3a及第2声音呈 现部3b。呈现声音控制部3通过对第1声音呈现部3a及第2声音呈现部 3b进行控制，从而根据声压范围决定部2决定的声压范围，控制第1声 音及第2声音的呈现。另外，该声压范围主要是为了决定呈现声音的声压 的上限而决定的。

声音刺激输出部4接收被呈现声音控制部3控制的声音信号，以基于 该声音信号的频率及声压，将声音刺激呈现给用户。声音刺激输出部4 例如是耳机或扬声器等呈现声音刺激的设备。

生物体信号计量部5计量用户1的脑波。生物体信号计量部5由包括 用户1所安装的电极在内的脑波计等构成。特征量提取部6接收从呈现声 音控制部3所包含的第2声音呈现部3b呈现了第2声音的定时的信息， 根据从生物体信号计量部5取得的脑波来取得事件关联电位并进行蓄积。 事件关联电位是针对刺激而产生的脑波的电位变动。事件关联电位随着 (1)电位的极性(正或负)、(2)潜伏期(从产生刺激到产生电位变动 为止的时间)、(3)电位的振幅大小等，其种类不同。种类不同的信号 分别包括与用户5相关的不同信息。不适阈值推测部8保持在参照基准 DB7中且推测不适阈值的基准，利用特征量提取部6所蓄积的数据来推 测不适阈值。

另外，包括声压范围决定部2、呈现声音控制部3、特征量提取部6、 基准DB7、及不适阈值推测部8的构成可作为1个信号处理电路(电子 电路)来实现。在本实施方式中，将这种信号处理电路称为不适阈值推测 处理电路9。

图8表示不适阈值推测系统100的具体实施方式的一例。在该例中， 不适阈值推测系统100整体被组装在耳机型框体内。这种不适阈值推测系 统100例如在用户1购买助听器之前，在评价包括不适阈值的听力时采用。 用户1将不适阈值推测系统100安装在用户1的头部上。

图8所示的不适阈值推测系统100具备声音刺激输出部4、生物体信 号计量部5和不适阈值推测处理电路9。

生物体信号计量部5以有线或无线方式与至少2个脑波计量用电极A 及脑波计量用电极B连接。脑波是头部上的电位变化。因而，为了计量 脑波，有必要使电极A及电极B与头部的规定位置接触。期望电极A及 电极B的形状具有容易与头部的规定位置接触的形状。头部的规定位置 在本申请说明书中意味着适于听力评价的位置。如果利用国际10-20电极 法(图3(a))的指定方法，则该位置例如是头顶部分的Cz、C3、C4 等。如果使导出电极(例如脑波计量用电极A)与这些位置中的任一个接 触，则认为容易记录声音所对应的诱发反应。另外，也想留意电极位置还 可根据想要取得的脑波而变化。其他电极(脑波计量用电极B)例如只要 作为接地电极或基准电极而配置在国际10-20电极法的A2或A1的位置 上即可。由此，能够导出脑波。

不适阈值推测系统100对用户1的左耳朵或右耳朵依次呈现通用频率 且也通用声压的成对刺激，针对以第2声音的呈现时刻为起点而分别计量 到的用户1的脑波(事件关联电位)反应，基于保存有用于推测UCL的 基准的基准DB7的基准，推测用户1的不适阈值。

生物体信号计量部5对电极A与电极B的电位差所对应的用户1的 脑波进行计量。生物体信号计量部5向不适阈值推测处理电路9发送与电 位差对应的信息(脑波信号)。图8所示的不适阈值推测处理电路9位于 与声音刺激输出部4及生物体信号计量部5相同的框体内。但是，不适阈 值推测处理电路9也可以被设置在其他框体内。该情况下，将由生物体信 号计量部5计量出的脑波信号以无线或有线方式发送给不适阈值推测处 理电路9。

图9表示基于本实施方式的不适阈值推测系统100的硬件结构。声音 刺激输出部4、生物体信号计量部5及不适阈值推测处理电路9经由总线 101而被互相连接，能够相互授受数据。

不适阈值推测处理电路9可被实现为具有CPU9a、RAM9b、程序9c 及ROM9d的处理电路。例如，CPU9a从ROM9d中读出ROM9d所保存 的程序9c后在RAM9b中展开。CPU9a执行RAM9b所保存的计算机程 序9c。计算机程序9c中记述有用于使CPU9a执行按照后述的流程图所 示步骤的处理的指令码。其结果，CPU9a起到不适阈值推测处理电路9 的作用。如后述那样，不适阈值推测处理电路9利用在相同的RAM9b或 在记录介质(未图示)中另外保存的基准DB7，进行不适阈值的推测等。 该处理将后述。

声音刺激输出部4具有扬声器4a及声音输出电路4b。声音输出电路 4b按照CPU9a的指令，分别以指定的声压经由扬声器4a输出应该呈现 的声音刺激。

生物体信号计量部5具有电极5a1、电极5a2及脑波计5b。在脑波计 5a上连接电极5a1和电极5a2，这些电极被安装于用户1的头部。计量到 的脑波数据经由总线而被送到CPU9a，以事件关联电位的形式被蓄积于 RAM9c。

另外，不适阈值推测处理电路9也可以被实现为在1个半导体电路中 组装了计算机程序的DSP等硬件。再有，也能够将声音输出电路4b或脑 波计5b组合而在1个集成电路上实现。

上述计算机程序9c被记录在CD-ROM等记录介质中后可作为产品而 在市场上流通，或通过因特网等电通信线路而被传输。具备了图9所示硬 件的设备(例如PC)通过读入该计算机程序9c，从而能够起到本实施方 式的不适阈值推测系统100的作用。

接下来，参照图10～图21详细地说明该不适阈值推测系统的处理。

(处理的整体概要)

图10表示本实施方式的不适阈值推测系统100的处理步骤的概要。 对于仅通过概要不能充分说明的步骤，将在后面基于更详细的流程图进行 说明。

在步骤S20中，声压范围决定部2决定向用户1呈现的声压范围。 为了推测用户1的负担较少的不适阈值，决定不会成为用户1的负担的程 度的呈现声压的范围。作为呈现声压的最大值(即声压范围的最大值)的 决定方法，例如，当比80dB大的声音在法律上被作为噪音的情况下，既 可以设为一般性的噪音的限制值、即80dB以下，也可以根据不适阈值的 推测对象的用户1的听觉阈值(HTL)来决定被认为安全的范围(成为上 限的阈值)。作为根据HTL来推测UCL的现有方法，有NAL-R法或 MCL反射镜法等，只要将比通过这些方法设想的UCL值还低10dB或 20dB的值设为呈现声压的最大值即可。再有，作为呈现声压的最小值， 只要决定为比之前决定的呈现声压的最大值还小10dB的声音等即可。如 此，例如在最初的例子中，将呈现声压的最大值决定为80dB、最小值决 定为70dB。该情况下，呈现声压的种类可决定为70dB、75dB、80dB的 3种。

在步骤S30中，呈现声音控制部3在由声压范围决定部2决定的声 压范围内控制应该向用户1呈现的声音刺激。声音的刺激以规定的间隔连 续呈现2个声音。在本说明书中，将连续呈现的2个声音刺激称为成对刺 激。呈现声音控制部3至少控制声音的频率及声压。另外，呈现声音控制 部3也可以控制向用户1的哪只耳朵呈现声音刺激、成对刺激内的第1 声音与第2声音的间隔、2个成对间的间隔等。在本说明书中，即便第1 声音及第2声音具有人类无法听出来的程度的不同声压，也视作第1声音 及第2声音具有相同的声压。

在上述的例示性实施方式的说明中，作为一例，将成对刺激的第1 声音被呈现之后到第2声音被提示为止的间隔设成300ms。这是因为，成 对刺激的第1声音与第2声音的间隔明确地产生第1声音所对应的反应和 第2声音所对应的反应。其中，例如，若设定成100ms以上，则认为可 达成其目的。由此，例如也可以设为200ms。鉴于N1分量可出现于呈现 第1声音后的100±50ms的范围内，也可以在呈现第1声音后经过150ms 以后再呈现第2声音。再有，若考虑个人差异，则也可以允许100ms左 右的误差。若综合这些，则在成对刺激的第1声音被呈现之后到提示第2 声音为止的间隔落入100ms以上且400ms以下的范围内，于是上述实施 方式涉及的不适阈值推测系统100等能够进行上述动作。

再有，也可以在认为第1声音所诱发出的大脑内处理持续的1秒 (1000ms)以下，任意地设定成对间间隔。作为成对刺激的最初声音的 第1声音被第1声音呈现部3a控制，作为次声音的第2声音被第2声音 呈现部3b控制。第2声音呈现部3b根据该声音刺激呈现时刻，向特征量 提取部6输出触发。另外，将与已呈现的声音刺激的左右耳朵、频率、声 压相关的信息也一并发送给特征量提取部6。

在步骤S40中，在由呈现声音控制部3决定完的定时，声音刺激输 出部4向用户1呈现由呈现声音控制部3决定的声音刺激。

在步骤S50中，脑波计量部5对脑波进行计量后取得脑波数据。脑 波计量部5既可以仅在需要脑波数据的期间内对用户1的脑波进行计量， 也可以始终对脑波进行计量。

在步骤S60中，特征量提取部6从脑波波形中分离事件关联电位的 波形后蓄积该数据。由此，可取得以从呈现声音控制部3送来的声音刺激 呈现的定时为起点的事件关联电位的波形数据。

可将事件关联电位的取得区间假设为自环境声音的产生时间点起 -100毫秒～400毫秒等。-100毫秒～0毫秒的区间被用于基线修正，0毫 秒～400毫秒作为事件关联电位的变化而被用于评价。该取得区间随着评 价对象的脑波分量而发生变动。例如，在以使用100毫秒附近的声音的 N1分量为中心进行观察时，也可以取得-100毫秒～300毫秒的区间，在 还使用后期分量时，也可以取得-100毫秒～600毫秒等的区间。

在步骤S61中，特征量提取部6将在步骤S60中被分离出的事件关 联电位的波形数据蓄积到在特征量提取部6内部所保持的既存的波形数 据中。此时，特征量提取部6还将从呈现声音控制部3送来的、与声音刺 激的左右耳朵、频率、声压相关的信息作为关联的属性来蓄积。通过将声 音的属性和脑波数据建立关联后进行蓄积，从而可蓄积每个属性中的多次 事件关联电位。由于脑波信号微弱且噪声易混入，故需要在同一条件下进 行多次波形蓄积。

在步骤S62中，特征量提取部6判定声音刺激是否被呈现足够的次 数、且各属性所对应的事件关联电位是否被充分地蓄积。在判断为声音刺 激的呈现完成的情况下进入步骤S80，否则返回到步骤S30。在此，所谓 的“足够的次数”是通过是否可确保不适阈值推测所需的精度来决定的。 例如，在本实施方式中，在前述实验时将在各条件下分别蓄积20次的事 件关联电位作为了结束条件。该次数是由脑波信号的品质或推测方法来决 定的，如果是高品质的脑波信号，则有时可以更小，5次或10次的相加 次数就足够了，若是混入了较多噪声的脑波信号，则可设想为需要30次 以上的相加。

在步骤S80中，不适阈值推测部8推测用户1的不适阈值。作为其 具体方法，不适阈值推测部8基于基准DB7中保持的不适阈值推测的基 准，根据特征量提取部6所蓄积的事件关联电位的数据，推测用户1的不 适阈值为何种程度。不适阈值的推测例如是按每个呈现声音的频率、左右 耳进行的，不适阈值例如由声压表示为100dB等。在不适阈值为100dB 的情况下，指的是听到了100dB的声音的用户1在该值以上的声压时会 感觉不适。将在后面叙述基准DB7所保持的基准、及不适阈值的推测方 法的细节。

接下来，进一步根据个别的流程图和附图，针对上述流程中的、与例 示性实施方式的说明内容尤其关联较深的、呈现声音控制部3(步骤S30)、 特征量提取部6(步骤S60、S61、S62)、不适阈值推测部8(步骤S80) 的处理进行详细说明。

图11表示呈现声音控制部3的处理的细节。再有，图12表示呈现声 音列表的数据表现例。呈现声音控制部3针对由声压范围决定部2决定的 声压范围依次呈现成对刺激声音。

在步骤S31中，呈现声音控制部3读出表示呈现声音状态的信息。 在此，“呈现声音状态”是表示当前正在呈现第1声音还是正在呈现第2 声音的状态，是将表示该状态的信息保持在呈现声音控制部3内部的值。 例如，若呈现声音状态为0，则是呈现第1声音的状态，若呈现声音状态 为1，则是已呈现完第1声音且呈现第2声音的状态。

在步骤S32中，呈现声音控制部3基于通过步骤S31取得的呈现声 音状态，判定是否呈现第1声音。在步骤S32中为“是”情况下，为了 呈现第1声音而进入步骤S33，在为“否”情况下，为了呈现第2声音而 进入步骤S36。

步骤S33～步骤S35是由呈现声音控制部3的第1声音呈现部3a进 行处理的。

在步骤S33中，第1声音呈现部3a取得呈现声音列表。呈现声音列 表是针对评价所需的声音刺激的呈现量记录了哪个声音刺激已呈现完多 少次的列表。图12表示呈现声音列表的例子。

图12的例子是想要推测与两耳分别所对应的频率1000Hz、2000Hz、 4000Hz的声音对应的不适阈值时的呈现声音列表的数据例。通过声压范 围决定而决定的声音刺激是70、75、80、85、90dB这5种的情况下，在 表的各单元中记入到此为止已呈现完的声音的次数。在基于脑波的不适阈 值的推测处理中，由于在进行相加平均之后进行识别，故需要以相同的条 件来呈现多次声音刺激，以取得事件关联电位。作为一例，声音刺激的呈 现次数为10次或20次，是由评价的内容或所使用的设备、计量环境等来 决定的。图12是在开始评价之后经过了很长时间的定时而得到的呈现声 音列表的例子。若干个条件表示第1次的声音刺激已呈现完(数值“1”)， 若干个条件表示声音刺激还1次也未呈现(数值“0”)。每当任一声音 刺激的呈现完成时，已被呈现的单元的数字就增加1个，在所有条件下例 如变为20时结束。

在步骤S34中，第1声音呈现部3a选择应该呈现的声音刺激的属性。 在此，声音刺激的属性表示在图12的例子中检查耳朵是右还是左、频率 是1000Hz、2000Hz、4000Hz中的哪一个、呈现声压是70dB、75dB、80dB、 85dB、90dB中的哪一个。在进行属性的选择时，从呈现声音列表的表格 的各单元的值中的最小值中随机地选择。这是因为不能连续地选择相同属 性的声音刺激的缘故。

在步骤S35中，第1声音呈现部3a向声音刺激输出部4发送根据在 步骤S34中选出的属性生成的声音刺激数据。如果声音刺激数据是纯音 等简易的刺激，则此时也可以通过计算来生成，还可以预先将声音刺激数 据保持在存储器中，从存储器取得与属性对应的数据。

由第2声音呈现部3b执行步骤S36～步骤S38。

在步骤S36中，第2声音呈现部3b向声音刺激输出部4发送根据在 步骤S34中选出的属性生成的声音刺激数据。声音刺激数据也可以在此 时通过计算来生成，还可以预先将声音刺激数据保持在存储器中，从存储 器取得与属性对应的数据。

在步骤S37中，第2声音呈现部3b向特征量提取部6发送声音刺激 属性。“声音刺激属性”是给予声音刺激的、检查对象的耳朵、声音刺激 的频率及声压在哪一个定时被呈现的信息。在本实施方式中，由于将第2 声音所对应的事件关联电位用于不适阈值的推测中，故发送该事件关联电 位的取得与蓄积所需的信息。

在步骤S38中，第2声音呈现部3b更新呈现声音列表。伴随着2个 声音刺激的呈现完成，使呈现声音列表的对应单元的数字增加1个。

在步骤S39中，呈现声音控制部3更新呈现声音状态。如果是呈现 第1声音后，则呈现声音状态从0被更新为1，如果是呈现第2声音后， 则从1被更新为0。

通过呈现声音控制部3的这种处理，可实现成对刺激的呈现。作为呈 现的定时，例如能够适用如图2所示的时间间隔。

接下来，详细说明图10的步骤S60和步骤S61所示出的特征量提取 部6的处理。在此，取得呈现了声音刺激的用户1的脑波诱发反应，按每 个声音刺激的条件分类后蓄积。以下，图13示出特征量提取部6的处理 的流程图，图14是表示事件关联电位的特征量的提取处理的图像的示意 图。

在步骤S61中，特征量提取部6取得由生物体信号计量部5计量完 的脑波数据。该时间点的脑波数据是根据采样频率连续取得的数据列的状 态。

在步骤S62中，特征量提取部6从第2声音呈现部3b取得表示第2 声音的呈现定时的信息。在本实施方式中，由于将第2声音所对应的脑波 反应用于UCL的推测中，故需要其呈现定时的信息。

在步骤S63中，特征量提取部6取得第2声音呈现所对应的事件关 联电位。在步骤S61中得到的脑波数据之中，例如分离出将通过步骤S62 得到的时刻设为0毫秒时的-100毫秒～400毫秒的区间，作为事件关联电 位来使用。

在步骤S64中，特征量提取部6从第2声音呈现部3b取得作为第2 声音来呈现的声音刺激的属性。“声音刺激的属性”包括检查耳朵、频率、 及声压。按照这些属性的每一个对脑波数据进行相加平均，以用于不适阈 值的推测处理中。

在步骤S65中，特征量提取部6按在步骤S64中取得的每个属性来 蓄积事件关联电位的分离结果。在此，按每个属性保存到位于特征量提取 部6的内部的存储装置(未图示)中。或者，也可以保存相加平均波形数 据。该情况下，所需的存储容量少。

利用图14对特征量提取部6的处理进行追加说明。以声音刺激41 所拥有的属性、例如右耳、1000Hz、75dB，呈现成对刺激41a，与此平 行地始终计量脑波42。在此，与第2声音的呈现定时相关联地，分离出 事件关联电位43。针对成对刺激41a，取得事件关联电位43a。将该电位 和对应的声音刺激的属性44a一起蓄积到蓄积45中，并重复该动作，由 此事件关联电位的取得与蓄积得以进展。

通过这种处理，可按每个属性保存第2声音呈现所对应的事件关联电 位。

接下来，参照图15及图16详细地说明图10的步骤S80所示出的不 适阈值的推测处理。由不适阈值推测部8进行本处理。在此，可推测用户 的不适阈值。

图15示出不适阈值推测部8的处理的流程图。再有，图16示出不适 阈值的输出格式例。

在步骤S81中，不适阈值推测部8决定应该推测的不适阈值的属性。 此处的“属性”是检查耳朵51与频率52的组合。如图16的例子所示， 这是因为需要设为左右耳朵所对应的各3种频率后独立地推测不适阈值。 在本实施方式中，不适阈值的推测指的是针对各属性分别进行不适阈值 53的推测。

在步骤S82中，不适阈值推测部8取得与属性对应地蓄积的事件关 联电位43。在此，属性指的是各检查耳朵51与频率52，该情况下取得与 各呈现声压建立了关联的事件关联电位。

在步骤S83中，不适阈值推测部8计算与事件关联电位的频率的时 间变化相关的特征量。特征量例如是在80dB、85dB、90dB的各声压所对 应的事件关联电位中通过微波分析等来计算各时间带的频率强度，并结合 那些系数设为向量而进行的。

进而，说明特征量的计算方法。不适阈值推测部8按每个声音刺激对 0ms以上、300ms以下范围的事件关联电位波形实施连续微波变换，计算 每个时间每个频率的微波系数。作为源微波(mother wavelet)能够利用 墨西哥帽函数(Mexican-hat Function)(ψ(t)＝(1-t²)exp(-t²/2))等。

按每个条件、每个个人、每个左右耳朵、每个频率的第1声音～第5 声音的每个声音刺激群，对事件关联电位的波形及微波系数进行相加平 均。设想任一个电极中包括绝对值为50μV以上的振幅的试行是包括眼球 运动或眨眼的噪声影响的，因此从总和平均及相加平均中除外。而且，作 为可成为不适声压的指标的事件关联电位的特征量，计算相加平均微波系 数的5Hz～15Hz的频宽且50ms的时间宽度的平均值，并将这些平均值作 为特征量来使用。该特征量也被称为微波特征量。

在步骤S84中，不适阈值推测部8从基准DB7中取得判别基准。判 别采用如下的方法，即进行根据对各特征量的值进行了加权和而得到的值 推测为哪一UCL值的分等级，因此能以此时的各特征量的值所对应的系 数等的形式取得。

在步骤S85中，不适阈值推测部8基于在步骤S84中取得的系数来 进行阈值判定，并推测不适阈值。具体是，不适阈值推测部8进行判别分 析、贝叶斯推测、聚类等各种方法中的计算，从而计算出不适阈值的推测 值。其格式例如图16所示，右耳在1000Hz下的不适阈值为80dB等通过 声压来推测。

在步骤S86中，不适阈值推测部8保存在步骤S85中推测出的不适 阈值。不适阈值的推测结果以图16所示的形式相对于在步骤S81中选出 的属性被计算为1个值后被保存。

在步骤S87中，不适阈值推测部8判定针对所有属性是否已经完成 不适阈值的推测。在“是”的情况下结束处理，在“否”的情况下为了选 择下一属性而进入步骤S81。

根据以上的过程，针对所有属性推测不适阈值，最终得到图16的形 式的结果。

图17A表示基准DB7的数据结构的一例。在此，作为最简单的推测 基准，说明如下的例：单独使用第2声音所对应的微波系数，对呈现声压 80dB、85dB、90dB的声压所对应的事件关联电位的微波系数进行平均， 根据最终得到的1个值的大小来推测UCL。在图17A中，将根据本申请 的发明人实施的实验的数据(图4B(b)的图表22)计算出的、第2声 音所对应的微波系数和UCL推测值的关系作为表格来存储。一旦计算出 微波系数，则基于该微波系数并参照该表格，可取得UCL推测值。例如， 若所得到的微波系数为5.0，则不适阈值推测部8参照表格，将UCL推测 值决定为90dB。

接下来，说明基准DB7的制作方法。基准DB7是通过事先取得来自 足够人数的被试验者的数据而生成的。事先收集的被试验者的数量最低也 需要在10人以上，为了获得足够的精度，还需要更多的被试验者。事先 在实验中从被试验者取得脑波与主观UCL这两者，根据脑波数据与主观 UCL值的对应关系，能够制作基准。例如，图4B(b)的图表示出脑波 特征量与主观UCL值的对应关系的概要，读出在UCL推测值小时微波系 数也小等倾向，从该图表中也能够决定阈值。

如果是图17A的例子，则可通过读取图4B(b)的图表22的纵轴来 生成该判别基准，在识别函数变得复杂的情况下，需要通过机械学习的方 法来决定阈值。例如，在判别分析、贝叶斯推测等中，由于对各特征量各 自赋予系数之后进行运算，故虽然可通过比这更复杂的表格和运算方式来 实现，但通过计算就能够决定适当的阈值。

这样如果事先制作基准DB7，在新的用户来到店铺的情况下，无需 取得主观UCL，仅根据脑波数据就能够推测UCL值。

另外，在到此为止的说明中，作为与事件关联电位的频率的时间变化 相关的特征量，利用了微波特征量。但是，如果包含有用于推测主观UCL 值的信息，则也能够利用其他特征量。

例如，作为其他特征量的例子，可以列举项目(2-2.脑波计量实验) 中已说明过的N1P2振幅。认为这反映出声音所对应的反应的变化量。

图17B是以其他观点分析本申请的发明人实施的实验数据而画出第 1声音与第2声音所对应的N1P2特征量的值的图。该图对应于微波特征 量中的图4B。分别画出了：与图4B同样地以基于主观报告的UCL值的 大小将被试验者分为3个群组(主观UCL在100dB以上、主观UCL为 90～99dB、主观UCL在90dB以下)，分别对各群组的特征量进行了平均。

根据图17B可以理解，尤其是在第2声音所对应的ERP中保持着主 观UCL的大小与N1P2振幅的大小之间的大小关系，通过适当的阈值的 设定，能够推测主观UCL的值。

图17C表示将N1P2振幅设为特征量时的判别基准DB7的例子。在 此，最简单的推测基准是以下的例子：单独采用第2声音所对应的N1P2 振幅56，对呈现声压80dB、85dB、90dB的声压所对应的事件关联电位 的N1P2振幅进行平均，根据最终得到的该平均值的大小获得UCL推测 值57。由此，根据振幅变化的平均值的大小，能够推测UCL值。例如， 在第2声音所对应的N1P2振幅为1.8的情况下，UCL值可输出95dB。

再有，也可以利用微波系数或N1P2的振幅以外的特征量。事件关联 电位的特征表现为波形形状，可通过出现了峰值时的潜伏期(自刺激呈现 定时起的经过时间)和振幅来记述。若以时间、频率、或形状的方式记述 这些特征，则能够作为用于识别的特征来利用。在本说明书中，微波系数 是表示事件关联电位的频率的时间变化的信息的一例。再有，若将可考虑 的特征量作为向量来提供并提供给判别分析、贝叶斯推测等机械学习的方 法，则由于可适当地对各参数进行加权，故无需事先使特征量收敛。

在本实施方式中，说明了纯音所对应的UCL值的推测的例子。但是， 呈现声音控制部3呈现的声音并未限于纯音，也可以是语音。在呈现语音 的情况下，由于多个频率的分量混在一起而无法对每种频率进行评价，故 成为针对左右每个耳朵的评价。呈现声音控制部3也可以预先保持要呈现 的语音。该情况下，能够预先调整语音的声压范围或平均声压。

图17D表示利用了语音时的不适阈值的输出格式例。检查耳朵58与 不适阈值59的关系被规定。在可按左右每个耳朵输出不适阈值59的情况 下，在拟合助听器时，能够将该不适阈值用于左右每个耳朵整体的增益调 整(音量调整)。例如，即便在电视机或音乐播放器等音量调整等中对于 左右不适阈值各不相同的情况下，通过修正左右各自的增益，从而也能够 提供更适当的听力。

另外，在判别分析、贝叶斯推测等中，由于对各特征量分别赋予系数 之后进行运算，故虽然可通过比这更复杂的表格和运算方式来实现，但识 别基准是通过借助学习等从由实验得到的脑波数据与UCL推测值的对之 中求取适当的数值而决定的。

另外，该UCL的评价结果在拟合助听器之际可被用作设定助听器的 最大输出值的信息。

例如，图18表示助听器调整系统110的构成。助听器调整系统110 具有图7所示的不适阈值推测系统100、特性设定部111和助听器112。 另外，不适阈值推测系统100是一例。也可以取代不适阈值推测系统100 而利用图19所示的不适阈值推测系统101来构成助听器调整系统。

特性设定部111接收从不适阈值推测系统100推测出的不适阈值、及 用户1可听取的纯音的最小声压、即最小可听值HTL。纯音的频率例如 为250Hz、500Hz、1000Hz、2000Hz、4000Hz。按每个频率定义最小可 听值HTL。最小可听值HTL例如从最小可听值的测量器(听度计；未图 示)经由有线、无线或记录介质等而被发送。而且，特性设定部111将不 适阈值作为最大输出值而设定在助听器112中，将最小可听值HTL作为 最小输出值而设定在助听器112中。

如果是以往，则根据HTL将最大输出值设定成规定的值。然而，根 据现有方法(MCL反射镜法)，即便是将不适阈值一律设定为100dB的 被试验者，可知在基于主观报告的UCL中个人差也是很大的。图19是表 示基于MCL反射镜法的主观报告引起的UCL的个人差的图。横轴是通 过MCL反射镜法推测出的UCL。由于将听力正常的人作为对象，故HTL 的偏离量少，且推测出的UCL值也几乎相同。纵轴是利用主观报告求出 的UCL值。根据图19可知，通过现有方法是无法与UCL的个人差对应 的。此时，若根据UCL的推测结果可正确地设定助听器的输出范围，则 认为与现有技术相比，可进一步缩短助听器的拟合所需的时间。再有，即 便在助听器的初始拟合值的设定过程中，与现有方法相比，也能够设定更 适当的初始值。

根据该构成，即便因为脑波而实际上并未听到强大的声音，也能推测 被试验者会主观地报告的UCL值。由此，作为助听器拟合的有用信息， 可有效地利用。

以下，说明上述实施方式的变形例。具体是，以下，在上述实施方式 的基础上，说明因通过第1声音呈现部的控制呈现的第1声音而产生的事 件关联电位也用于不适阈值的推测中的例子。追加更多的信息，能够提高 精度。

图20表示本发明的例示性实施方式的变形例涉及的不适阈值推测系 统101的构成。不适阈值推测系统101构成为在不适阈值推测系统100(图 7)的构成上追加了变更。对不适阈值推测系统101的构成之中、与不适 阈值推测系统100(图7)的构成相同的构成赋予同一参照符号并省略其 说明。不适阈值推测系统101与不适阈值推测系统100的不同点在于，增 加了从第1声音呈现部3a到特征量提取部6的连线。因此，以下，以呈 现声音控制部3及特征量提取部6的细节动作为中心进行说明。

图21表示本变形例中的呈现声音控制部3的流程。基本上，进行与 图11同样的处理，对相同的处理赋予同一参照符号并省略其说明。与图 11不同的是，在步骤S35的第1声音呈现后追加了新的步骤S37a。在步 骤S37a中，向特征量提取部6发送第1声音的声音刺激属性。在此，声 音刺激属性是检查耳朵、频率、声压在哪一个定时被呈现的信息。

特征量提取部6的动作也与实施方式1有些许不同。基本的处理流程 与图13相同，新的特征点在于蓄积的定时不仅在第2声音呈现后，也在 第1声音呈现后。

图22表示使用了呈现第1声音和第2声音这两个声音刺激后的事件 关联电位的推测结果的事例。本申请的发明人从呈现第1声音和第2声音 后的事件关联电位的各种各样的特征量的组合之中提取精度提高的例子 制作出了图22。呈现声压利用80dB、85dB、90dB这3种，特征量是利 用第1声音和第2声音所对应的事件关联电位的N1P2的振幅之比、及第 2声音所对应的事件关联电位的微波系数这两者进行UCL推测的。在图 22中，横轴为主观报告值，纵轴为基于脑波的推测值，所画出的圆的直 径和相应的事例数成正比。此时，如果全部置于直线上，则UCL推测值 全部正确，可以说对应于主观报告值。此时的与主观报告的偏离量为 3.75±3.89dB。再有，与主观报告的误差的平均值为3.15±3.05dB。根据该 例，可以说与实施方式1中示出的仅利用第2声音的反应时的3.87±3.09dB 相比，精度有很大程度的提高。

另外，该事例是用于表示精度的改善的一个事例，特征量的计算方法 及其组合方可以考虑各种情况，如果更广泛地探索，则可设定能进一步改 善精度的特征量或判别基准。

根据这种处理，通过在第2声音呈现所对应的事件关联电位的基础上 还付加第1声音呈现所对应的事件关联电位的信息，从而能够提高精度或 降低呈现次数。利用本变形例的构成，能够实现具有与图18所示的构成 同样的构成的助听器调整系统。

此外，针对精度提高的理由示出简单的考察。虽然可知以第1声音呈 现出的声音的大小所对应的反应被表现为以声音呈现后100毫秒前后为 中心的N1分量，但由于有时能够提高精度，故认为某种程度上也包含着 与UCL相关的信息。

另外，由于仅根据第1声音呈现所对应的事件关联电位无法获得足够 的UCL推测精度，故认为必须使用第2声音所对应的事件关联电位。

(工业可用性)

根据本发明的例示性实施方式涉及的不适阈值推测系统，由于无需呈 现强大的声音刺激就能推测用户的不适阈值，故对于助听器店或家庭等中 的助听器调整来说是有用的。再有，通过对听力正常的人也预先推测不适 阈值，从而也能够应用到电视或立体音响装置中的最大声音量设定等。

符号说明：

1  用户

2  声压范围决定部

3  呈现声音控制部

3a  第1声音呈现部

3b  第2声音呈现部

4  声音刺激输出部

5  生物体信号计量部

6  事件关联电位取得蓄积部

7  基准DB

8  不适阈值推测部

9  不适阈值推测处理部

100、101  不适阈值推测系统

110  助听器调整系统

111  特性设定部

112  助听器