大脑芯片会抑制癫痫发作和震颤

欧洲研究人员结合低功耗芯片设计,机器学习算法,和软植入电极产生神经接口,可以识别和抑制各种神经系统疾病的症状。

Mahsa Shoaran的综合实验室成员工程学院的合作与斯蒂芬妮的神父实验室软Bioelectronic接口开发NeuralTree:闭环神经调节芯片系统能够检测和缓解疾病的症状。由于256 -通道传感阵列的高分辨率和节能机器学习处理器,系统可以提取和分类广泛的生物标记物的患者数据和疾病动物模型已在症状,导致高度的准确性预测。

“NeuralTree受益于一个神经网络的准确性和决策树算法的硬件效率,“Shoaran说。“这是第一次我们已经能够整合如此复杂,然而节能为二进制神经接口分类任务,如发作或地震检测、以及多任务,比如手指运动分类neuroprosthetic应用程序。”

他们的结果发表于2022年的会议和IEEE国际固态电路发表在IEEE固态电路杂志》上,集成电路的旗舰杂志社区。

效率、可扩展性和通用性

NeuralTree函数提取神经生物标志物-模式的电信号与某些神经系统疾病——从脑电波。然后把信号和指示是否预示着即将发生的癫痫发作或帕金森震颤,例如。如果检测到的症状,神经-还位于芯片被激活,发送一个电脉冲来阻止它。

Shoaran解释说,NeuralTree独特的设计为系统提供了一个前所未有的程度比最先进的效率和通用性。芯片拥有256输入通道,而32前machine-learning-embedded设备,允许更多的高分辨率数据处理在植入。芯片的area-efficient设计意味着它也是非常小(3.48毫米2),使其可伸缩性更渠道潜力巨大。“节能意识”的集成学习算法——惩罚功能,要消耗大量的能量,也使得NeuralTree高能源效率。

除了这些优点,使用该系统可以进行更大范围的症状比其他设备,目前主要集中在癫痫发作检测。芯片的机器学习算法训练数据集癫痫和帕金森病病人,而准确地分类预录的神经信号两类。

”我们所知,这是第一个示范的帕金森震颤检测芯片上的分类器,“Shoaran说。

自更新算法

Shoaran热衷于使神经接口更聪明,使更有效的疾病控制,和她已经展望进一步创新。

“最终,我们可以使用神经接口对许多不同的障碍,我们需要算法思想和芯片设计的进步来实现这一点。这个工作非常跨学科的,所以它也需要与实验室的合作实验室软Bioelectronic接口,可以开发最先进的神经电极,或实验室提供高质量的病人数据。”

作为下一步,她感兴趣的是使芯片上的算法更新跟上的进化神经信号。

“神经信号改变,所以随着时间的推移,神经接口的性能会下降。我们总是试图使算法更准确和可靠,方法之一就是使芯片上的更新,或者可以更新自己的算法。”

参考朱:胫骨U,丁C, B, et al . NeuralTree: 256 - 0.227通道-μj /类的神经活动分类和闭环神经调节SoC。IEEE固态电路杂志》上。2022;57 (11):3243 - 3257。doi:10.1109 / JSSC.2022.3204508

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。