Eficiencia de los Métodos de Inteligencia Artificial para la Clasificación de Tipos de Pérdida Auditiva: una Evaluación

La evaluación de la pérdida auditiva se lleva a cabo principalmente mediante pruebas de audiometría tonal, que a menudo se consideran el estándar de oro para evaluar la función auditiva. Si se determina la presencia de pérdida auditiva, es posible diferenciar entre tres tipos de pérdida auditiva: sensorineural, conductiva y mixta. Este estudio presenta una comparación exhaustiva de una variedad de modelos de clasificación de IA, realizados en 4007 muestras de audiometría tonal que han sido etiquetadas por audiólogos profesionales para desarrollar un clasificador automático del tipo de pérdida auditiva. Los modelos evaluados incluyen Regresión Logística, Máquinas de Vectores de Soporte, Descenso de Gradiente Estocástico, Árboles de Decisión, Bosque Aleatorio, Red Neuronal Feedforward (FNN), Red Neuronal Convolucional (CNN), Red Neuronal Recurrente (RNN), Memoria a Largo y Corto Plazo (LSTM) y Unidad Recurrente Con Puerta (GRU). El trabajo presentado también investiga la influencia de la augmentación del conjunto de datos de entrenamiento con el uso de una Red Generativa Adversarial Condicional en el rendimiento de los algoritmos de aprendizaje automático y examina el impacto de varios procedimientos de estandarización en la efectividad de las arquitecturas de aprendizaje profundo. En general, el rendimiento de clasificación más alto fue logrado por LSTM con una precisión fuera de entrenamiento del 97.56%.