Methods for the automated detection of the auditory brainstem response: implementation and assessment across diverse experimental conditions

The Auditory Brainstem Response (ABR) is an auditory evoked potential not affected by attention processes. For this reason, ABR is widely used for objective hearing assessment. However, in most clinical settings, its detection still relies solely on visual inspection by audiologists. While effective, this approach is highly susceptible to intra- and inter-reader variability. Factors such as differences in clinician experience, individual visualisation skills, and varying levels of focus can all impact detection accuracy. Developing automated methods for ABR detection would be highly beneficial for healthcare facilities. Automation, in fact, would not only reduce the workload of healthcare professionals, but it would also ensure standardised detection protocols across institutions. This would improve consistency in patient care and diagnosis and make ABR assessment more accessible in areas with limited resources and expertise. Gold standard methods for automated ABR detection, namely the Fsp (Elberling and Don, 1984) and Fmp (Don and Elberling, 1994) statistics, have been developed in the past and are already integrated into many ABR recording devices. However, their robustness seems limited, as their performance significantly declines at lower signal-to-noise ratios (SNRs) and in the presence of artifacts. To address these limitations, alternative statistical approaches have been considered, including the Hotelling’s T² test (Hotelling, 1931) and the q-sample uniform scores test (Mardia, 1972). The main aim of the present thesis is to select, implement, and compare alternative automated ABR detection methods against the current gold standards. This objective is addressed through a series of simulations designed to evaluate the performance of the methods under different experimental conditions (i.e., varying SNRs). A modification to one of these test statistics—the Hotelling’s T² test in the time domain—is proposed to account for potential non-stationarity in background electroencephalographic (EEG) noise variance. A secondary scope of the thesis is to investigate additional factors influencing ABR detection, specifically the impact of analysis window length and the presence of muscle artifacts. Additional simulations were conducted to quantify how method performance changes when using a shorter analysis window and when a simulated post-auricular muscle response (PAMR) is present. The thesis is structured into five chapters. Chapter 1 provides an overview of ABR, the protocol used for its acquisition, and the key parameters audiologists analyse when aiming to detect the response. Chapter 2 discusses the theoretical foundations of automated ABR detection methods, explaining which features of the signals are used and combined by the test statistics to reach a final decision on the presence or absence of the response. This chapter also includes a description of the proposed modification of the Hotelling’s T² test. Chapter 3 outlines the methodology used for the simulations and explains how the performance of the detection methods was quantitatively assessed. Chapter 4 presents the results obtained from the simulations and provides a discussion of the findings. Chapter 5 summarises the main achievements reached in this thesis and proposes directions for future research that could further enhance the understanding and clinical application of automated ABR detection methods.

La risposta uditiva del tronco encefalico, in inglese Auditory Brainstem Response (ABR), è un potenziale evocato uditivo non influenzato dai processi attentivi e, per questo motivo, è ampiamente utilizzata per la valutazione oggettiva dell’udito. Tuttavia, nella maggior parte dei contesti clinici, la rilevazione dell’ABR si basa ancora esclusivamente sull’ispezione visiva da parte dell’audiologo. Sebbene questo approccio sia efficace, risulta fortemente soggetto a variabilità intra- e inter-operatore. Fattori come l’esperienza del clinico, le capacità individuali di visualizzazione e il livello di concentrazione possono infatti influenzare significativamente l’accuratezza della rilevazione. Sviluppare metodi automatizzati per la rilevazione dell’ABR risulterebbe estremamente vantaggioso per le strutture sanitarie. L’automazione, infatti, consentirebbe non solo di ridurre il carico di lavoro per i professionisti, ma anche di garantire protocolli di rilevazione standardizzati tra diverse strutture. Questo migliorerebbe la coerenza nella diagnosi e nell’assistenza al paziente, rendendo l’ABR più accessibile anche in contesti con risorse e competenze limitate. Metodi considerati come il gold standard per la rilevazione automatica dell’ABR, ossia le statistiche Fsp (Elberling e Don, 1984) e Fmp (Don e Elberling, 1994), sono già integrati in molti dispositivi di registrazione. Tuttavia, la loro robustezza appare limitata: le loro prestazioni tendono infatti a diminuire in presenza di bassi rapporti segnale/rumore (SNR) e di artefatti. Per superare tali limiti, sono stati proposti approcci statistici alternativi, tra cui il test T² di Hotelling (Hotelling, 1931) e il q-sample uniform scores test (Mardia, 1972). L’obiettivo principale di questa tesi è selezionare, implementare e confrontare metodi alternativi per la rilevazione automatica dell’ABR rispetto agli attuali gold standard. A tal fine, sono state condotte simulazioni progettate per valutare le prestazioni dei diversi metodi in condizioni sperimentali variabili (ossia al variare dell’SNR). Viene inoltre proposta una modifica al test T² di Hotelling nel dominio temporale, al fine di tenere conto della possibile non stazionarietà della varianza del rumore elettroencefalografico (EEG) di fondo. Un obiettivo secondario della tesi è analizzare altri fattori che influenzano la rilevazione dell’ABR, in particolare la durata della finestra di analisi e la presenza di artefatti muscolari. A tal fine, sono state condotte ulteriori simulazioni per quantificare come le prestazioni dei metodi varino utilizzando una finestra di analisi più breve e in presenza di una risposta muscolare post-auricolare (PAMR) simulata. La tesi è articolata in cinque capitoli. Il Capitolo 1 fornisce una panoramica generale sull’ABR, sul protocollo di acquisizione e sui principali parametri presi in considerazione dagli audiologi per rilevare la risposta. Il Capitolo 2 discute i fondamenti teorici dei metodi di rilevazione automatica dell’ABR, illustrando le caratteristiche del segnale utilizzate dalle statistiche per determinare la presenza o l’assenza della risposta. In questo capitolo è inclusa anche la descrizione della modifica proposta al test T² di Hotelling. Il Capitolo 3 descrive la metodologia utilizzata per le simulazioni e spiega come sono state valutate le prestazioni dei diversi metodi. Il Capitolo 4 presenta i risultati delle simulazioni e ne discute le implicazioni. Infine, il Capitolo 5 riassume i principali risultati ottenuti e propone possibili direzioni per ricerche future che potrebbero contribuire a migliorare la comprensione e l’applicazione clinica dei metodi automatizzati per la rilevazione dell’ABR.