神经形态芯片:人工神经元实时识别生物信号

神经形态芯片

这种神经形态芯片可靠且精确地检测到先前记录的颅内脑电图的高频振荡。资料来源:UZH、ETHZ、USZ

来自苏黎世的研究人员开发了一种紧凑,节能的装置,由能够解码脑波的人工神经元制成。该芯片使用从癫痫患者的脑外记录的数据来确定大脑的哪个区域导致癫痫发作。这开辟了治疗的新观点。

目前的神经网络算法产生了令人印象深刻的结果,帮助解决了数量惊人的问题。然而,用于运行这些算法的电子设备仍然需要太多的处理能力。在处理感官信息或与环境实时互动方面,这些人工智能(AI)系统根本无法与真正的大脑竞争。

神经形态芯片检测高频振荡

神经形态工程是一个有前途的新方法,弥合人工和自然智能之间的差距。苏黎世大学的跨学科研究团队,Eth苏黎世和大学血清苏黎世使用这种方法来发展基于神经形态技术的芯片,可靠准确地识别复杂的生物资料。科学家能够使用该技术成功地检测以前录制的高频振荡(HFO)。使用颅内脑电图(IEEG)测量的这些特异性波是有前途的生物标志物,用于鉴定导致癫痫发作的脑组织。

复杂,紧凑,节能

研究人员首先设计了一种算法,通过模拟大脑的自然神经网络来检测HFOs:一个微小的所谓的脉冲神经网络(SNN)。第二步是在一个指甲大小的硬件上实现SNN,该硬件通过电极接收神经信号,与传统计算机不同,它具有巨大的能源效率。这使得计算具有非常高的时间分辨率成为可能,而不依赖于互联网或云计算。“我们的设计使我们能够实时识别生物信号的时空模式,”UZH和苏黎世联邦理工学院神经信息学研究所的教授Giacomo Indiveri说。

在医院和医院外部的操作剧院测量HFO

研究人员现在计划使用他们的研究结果来创建一个可靠地识别和监控HFO的电子系统。当用作操作剧院的额外诊断工具时,系统可以改善神经外科干预的结果。

然而,这并不是HFO识别能够发挥重要作用的唯一领域。该团队的长期目标是开发一种可以在医院之外使用的癫痫监测设备,使其能够在几周或几个月内分析来自大量电极的信号。Indiveri说:“我们希望在设计中集成低能耗、无线数据通信——例如,将其与手机连接。”苏黎世大学医院的神经生理学家约翰内斯·萨尔恩登(Johannes Sarnthein)解释说:“这种便携式或可植入芯片可以识别癫痫发作率的高低,这将使我们能够提供个性化的医疗。”这项关于癫痫的研究正在苏黎世癫痫学和癫痫外科中心进行,该中心是苏黎世大学医院、瑞士癫痫诊所和苏黎世大学儿童医院合作伙伴关系的一部分。

参考:“颅内EEG中的高频振荡(HFO)实时检测电子神经晶体系统”由Mohammadali Sharifshazileh,Karla Burelo,Johannes Sarnthein和GiacoMo Indiveri,5月25日,自然通讯
DOI:10.1038 / s41467-021-23342-2

第一个发表评论关于“神经形态芯片:人工神经元实时识别生物信号”

留下你的评论

电子邮件地址是可选的。如果提供的话,您的电子邮件不会发布或共享。