手指月亮會被割耳朵？真相竟是異位性皮膚炎 ？——《臺灣都市傳說百科》

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《別輕忽耳朵血腫，小心變成菜花耳》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

「你的耳朵怎麼腫腫的？」跆拳道下課後，阿華低頭想要閃避媽媽的目光，但回家還是被媽媽逮個正著。

阿華回道：「今天強強出拳不小心打到我的耳朵，所以就腫起來了。不過，我現在不會痛啦，應該沒問題。」

「什麼沒問題？！耳朵腫這樣一包看起來很誇張，」媽媽轉頭喊了阿華爸：「孩子的爸你過來看一下，小孩耳朵腫這樣需不需要去醫院啊？還是先冰敷就好？」

「我看我們還是趕快去醫院，我看過幾個螢幕硬漢或摔角冠軍的耳朵都變形的很嚴重，大概就是被打到出血造成的吧？！我可不想阿華的耳朵變這樣。」爸爸說。

耳朵血腫會導致耳朵變形

耳朵受傷常是因為車禍或近身衝撞運動，例如散打、拳擊、摔角等活動造成。耳廓血腫代表著在受到外傷後，聚積了一團血塊於耳朵軟骨上方。耳朵的結構很有趣，大家不妨伸手摸摸自己的耳廓，我們可以摸到微硬的地方屬於軟骨；也就是說，耳廓構造是薄薄的皮膚、皮下組織、提供血液循環的軟骨膜，來覆蓋著軟骨。萬一受傷的話，軟骨膜受到破壞而出血，流出的血液血塊會聚集在這個位於軟骨上方被撐開的空間，看起來是一團瘀青腫大，摸起來可能是軟軟的或有點紮實的一團皮下出血。

很多人會想說反正這是一團瘀青，不用太介意，大概過幾天就會消下去了吧。不過，耳朵這團瘀青比較特別，不僅有細菌感染與血腫持續累積的風險，當血腫愈大的話，會影響進出耳廓處的血流，在受傷修復過程中軟骨的型態會因此而變化。大約在耳朵血腫出現二至三個星期之後，會有纖維組織的過度增生；大約在受傷八個星期後，會出現新生的不規則的軟骨組織，於是耳廓逐漸變形。在受傷十四個星期以後，這些新生組織繼續鈣化，這時整個耳朵長成類似花椰菜的模樣，對外觀影響很明顯。

因此，當在耳廓處出現血腫，千萬不要想說血腫沒有擴大，也不會太痛，就不去理他，最好要盡早就醫，評估是否需要接受治療。

面對耳廓血腫

醫師在檢查耳廓血腫後，會先確定外耳道或其他組織是否同時有受傷，聽力是否完好，是否有顏面神經受損的狀況，與是否需要擔心顱內或顱骨的骨折、出血等問題。

如果確認沒有其他更緊急的問題，單純只有耳廓血腫的話，最好在受傷後的 48 小時之內進行治療。若血腫範圍小於直徑兩公分，醫師可以用18號針頭抽吸血腫；若血腫範圍較大，要考慮用刀片做切開引流。總之，要盡量完整地引流血塊，才能減少後續耳朵變形的機會。

引流血塊之後，適當的壓迫止血也是非常重要的，重點就是不能讓耳廓處又堆積任何液體。因此耳朵處會墊著敷塞料約五到七天，讓皮膚層盡量貼平軟骨，避免出現新的血腫空間，才不會導致耳朵變形。

最後還是提醒大家，不要輕忽耳廓血腫！當這團瘀青發生在耳廓軟骨處，就算不會痛、沒有擴張，還是可能會帶來麻煩的外觀變化，像是花椰菜一般。萬一遇上了，還是及早找專科醫師處理吧。

• 本文轉載自 Care Online 照護線上《別輕忽耳朵血腫，小心變成菜花耳》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

本文轉載自食藥好文網

• 撰文／雅文兒童聽語文教基金會 黃上維、張晏銘 聽力師

聽覺是兒童接觸外在聲音世界、學習口語語言的基礎，聽得到且聽得清楚，孩子的語言及認知表現才有機會適齡發展，因此一旦確認有聽力損失，就有助聽器的使用需求。不過，當醫生判斷孩子有聽力損失後，父母心中都想知道：有沒有吃藥、手術或其它方式，來治療聽力問題？又或是戴上助聽器後，就能讓孩子的聽力恢復嗎？要解答這兩個問題，我們必須先了解聲音的傳遞方式。

我們如何聽見聲音？

耳朵是接收聲音的管道，分成外耳、中耳、內耳，隨後透過聽覺神經將聲音訊號傳遞至大腦解讀，任何一個區域出了差錯就有可能造成聽力損失。

外耳及中耳問題會造成「傳導性聽損」，例如：小耳症、耳道閉鎖、中耳積水、聽小骨硬化或斷裂等；這類聽損有醫療治癒的機會，但若治療的時機未到或期程過久，仍將耽誤孩童的聽語學習，因此可能需要階段性使用助聽器。內耳及聽神經問題會造成「感覺神經性聽損」，例如：毛細胞損傷、基因遺傳導致的細胞功能變異、神經細小等；這類聽損至今仍不可逆，也占先天性聽損的多數，需要終生使用助聽器或其它聽覺輔具。

助聽器的技術發展與時俱進

「工欲善其事，必先利其器。」要讓受損的耳朵重拾聽覺，要先了解助聽器的來歷。 助聽器顧名思義是幫助聽力的器具，如果說任何能把聲音有效傳進耳內的工具都是助聽器，那 17 世紀所誕生像漏斗、號角般的「耳朵喇叭（Ear trumpet）」就開啟了助聽器的時代篇章 ^[2]。不過這樣單純依靠聲學作放大的音量勢必有限，18 世紀末出現了以碳形成磁場，能有效提高音量的「碳助聽器」，同時引進不同頻率的聽力損失應有不同放大量的概念，隨後更歷經以「真空管」提供電力、以「電晶體」減少耗電及縮小外觀尺寸的時代。

到了 19 世紀末，助聽器開始「數位化」處理，與過往類比式不同，數位式助聽器在麥克風收音時，便將聲音轉成 0/1 的數位訊號，透過處理器分析、過濾和放大這些聲音，以此達成方向性接收語音、降低噪音、消除回饋音（漏音）等功能，最後再把 0/1 的數位訊號解碼化回聲波，傳遞至耳朵內。

助聽器可以像近視眼鏡一戴就好？

多數情況下，戴助聽器跟戴眼鏡不一樣，無法一戴就好，原因除了助聽器硬體的外部限制，如麥克風收音的品質與距離影響，人耳的生理也有內部限制。對少數「傳導性聽損」者而言，聽力損失相對單純，只要聲音的「音量」被放大還原，克服了外耳或中耳的阻礙，就能有正常的聆聽潛力，然而多數「感覺神經性聽損」者，損失的不單是音量，尚有對高低音「頻率」的差異分辨，如此當說話語音與環境噪音的頻率太過相近時，大腦很難將語音從噪音中抽離；以及對聲音「時間序列」的解析力降低，因為大聲音（或比較重的音節）會遮蔽緊跟其前後的小聲音，加上生活中的語音及噪音忽大忽小，大腦很難在交錯的聲音中鎖定目標語音 ^[3]。

以視覺做比擬，音量損失就像字體變小了，語音變得不易看見；頻率解析度下降就像字形變模糊了，讓本來就看起來相仿的字變得更混淆；而時間序列解析度下降就像比較大的字會凸顯而掩蓋前後比較小的字，或字跟字會有重疊情形，讓整句話變得不完整。

現代助聽器有許多進階功能，如頻率降轉技術 ^[4]、噪音消除技術，能協助濾化聲音，幫助聽損者更好接收到目標音，但無法從本質上根治感覺神經性聽損敏銳度低的問題，因此助聽器是以矯正聽力損失、利用殘餘聽力為目的，有賴後續聽能復健訓練以最大化助聽器的使用成效。

「最好」的助聽器是「最合適」自己孩子的助聽器

國內經衛生福利部核准的助聽器醫療器材超過 180 種，各家廠牌的設計訴求不一，若家長在為孩子選購助聽器時陷入苦思，不妨先依序檢視下述原則：

一、選擇：助聽器的種類與適用對象

• 整理／雅文兒童聽語文教基金會

二、配置：助聽器的規格與使用需求

聽損者的聽力在不同聲音頻率間，多有不同的感知受損程度，助聽器要達成分頻率地矯正，有賴於可調整的「壓縮頻道」，頻道數的多寡也常反應在助聽器的等級與價格，但越多的壓縮頻道不一定會聽得越好。對於聽力圖屬於平坦型，即高低頻的聽損程度相近者，擁有 6 個壓縮頻道就足以達成理想的語音辨識清晰度；對於聽力圖屬於極陡降型，即高低頻聽力可能橫跨輕度至重度聽損範圍的人，提高壓縮頻道至 18 個才有改善語音聆聽清晰度的顯著意義 ^[5]。此外要留意，若您的孩子適用政府輔具費用補助資格，壓縮頻道在 6 個以上就能符合〈身心障礙者輔具費用補助基準表－進階型助聽器〉的頻道數要求，該「進階型」的意義與市面上廠商所定義「入門款、基本款、高階款」等不相同。

接著，承前述助聽器與人耳的限制，助聽器需要與「無線傳輸系統」相容，不論是搭配各助聽器廠牌自有的藍牙麥克風，亦或是搭配現今教育部針對聽覺障礙學生提供之遠端麥克風系統（舊稱調頻系統）^[6]，才能讓孩子在具有複雜聲音環境的學習場域聽得清楚，克服與老師間的距離、周遭的噪音回音等影響，減輕長時聆聽的疲勞。

三、驗證：確認助聽器的使用效果

因為兒童還無法完善表達自身需求，要確認使用助聽器效果時，除了家長的日常觀察，下述的客觀檢測不可少，包含「聲場矯正後聽力圖」用以確認孩子最小可以接收到的音量有無改善；「語詞辨識測驗」用以確認孩子在不同聆聽情境（如安靜環境下的遠距離說話音量、及吵雜環境下的一般說話音量）皆能聽得清楚；「真耳或耦合器量測」用以確認助聽器的處方公式設定與輸出音量相符，並確認最大輸出音量，避免過度擴音造成傷害。「聲電分析」用以確認助聽器的效能（如增益量、內部噪音量、聲音失真率等）隨時間可能衰減後是否仍在容忍值。

然而，不同聽損程度或助聽器的配戴經驗會影響驗證的細節，因此在購買助聽器之前，記得向聽力師了解這些檢測的理想目標、同樣能達成目標的其它選項有何差異、目標未達成時可努力的方向，以此兼顧助聽器的購買成本及使用效果。

和戴上助聽器同樣重要的下一步

看起來助聽科技很厲害，但別忘了，助聽器不是治療聽損的萬靈丹，聽覺大腦的路徑具有神經可塑性，需要透過正確配戴輔具，來增進聽損者對聲音的感知 ^[7]。對語言及認知能力還在發展階段的兒童來說，養成全日配戴的習慣、培養良好的傾聽技巧 ^[8]、學習聲音與意義的連結，是擁有適齡發展的要素。此外，你可以想像即便是聽力正常人，在聆聽環境複雜的時候，不總能聽得如此清晰，也需要依靠上下文解讀、請他人重述，或轉換環境做聆聽等，因此，「聽能復健訓練」是從建立核心的聽能技巧開始，擴展到語言及認知能力的促進，再到有效溝通策略的練習，是最佳化輔具成效所不可或缺的步驟。

• [1] 馬英娟（2016）：淺談聽覺系統。載於林桂如（主編），以家庭為中心的聽覺障礙早期療育——聽覺口語法理論與實務（265-282頁）。新北市：心理。
• [3] 劉殿楨等譯（2019）。聽覺輔具，第 1 章。台北市：華騰文化。(Harvey Dillon, 2012)
• [5] Jason Galster & Elizabeth A. Galster.(2011).The Value of Increasing the Number of Channels and Bands in a Hearing Aid. AUDIOLOGYONLINE. Retrieved from https://www.audiologyonline.com/articles/value-increasing-number-channels-and-826.
• [7] Karawani, H., Jenkins, K., & Anderson, S. (2022). Neural Plasticity Induced by Hearing Aid Use. Frontiers in aging neuroscience, 14, 884917.

延伸閱讀

• [2] 楊又臻（2018）。助聽器是尊貴的象徵？從聲學椅到聲學拐杖，為了聽清楚的怪招式還真多。
• [4] 張逸屏（2022）。高音唱不上去可以降 KEY，高頻聽不清楚可以……？──談助聽器降頻技術。
• [6] 林淑芬（2022）。教室聆聽小幫手—遠端麥克風系統。
• [8] 楊琮慧（2020）。有聽沒有到，為何學會「傾聽」這麼重要？