EPFL 研究人员将低功耗芯片设计、机器学习算法和软植入式电极相结合，产生了一种神经接口，可以识别和抑制各种神经系统疾病的症状。
工程学院综合神经技术实验室的 Mahsa Shoaran 与软生物电子接口实验室的 Stéphanie Lacour 合作开发了 NeuralTree：一种闭环神经调节片上系统，可以检测和缓解疾病症状。
得益于 256 通道高分辨率传感阵列和节能机器学习处理器，该系统可以从真实患者数据和体内疾病动物模型中提取和分类广泛的生物标志物，从而实现高度症状预测的准确性。
“NeuralTree 受益于神经网络的准确性和决策树算法的硬件效率，”Shoaran 说。“这是我们第一次能够将如此复杂但节能的神经接口集成到二元分类任务中，例如癫痫发作或震颤检测，以及多类任务，例如用于神经修复应用的手指运动分类。 “
他们的成果在 2022 年 IEEE 国际固态电路会议上发表，并发表在IEEE Journal of Solid-State Circuits上。
效率、可扩展性和多功能性
NeuralTree 通过从脑电波中提取神经生物标志物(已知与某些神经系统疾病相关的电信号模式)发挥作用。然后，它会对信号进行分类，并指出它们是否预示着即将发生的癫痫发作或帕金森氏震颤等。如果检测到症状，也会激活同样位于芯片上的神经刺激器，发送电脉冲来阻止它。
Shoaran 解释说，与最先进的技术相比，NeuralTree 的独特设计使该系统具有前所未有的效率和多功能性。该芯片拥有 256 个输入通道，而之前的机器学习嵌入式设备只有 32 个，允许在植入物上处理更多高分辨率数据。
该芯片的面积高效设计意味着它也非常小(3.48mm2)，使其具有扩展到更多通道的巨大潜力。“能量感知”学习算法的集成——惩罚消耗大量能量的特征——也使 NeuralTree 具有很高的能量效率。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！