据科技日报消息，瑞士洛桑联邦理工学院研究人员将低功耗芯片设计、机器学习算法和柔性植入式电极相结合，制作出一种神经接口，可识别和抑制各种神经系统疾病症状。研究成果近日发表在《IEEE固态电路》杂志上。
这是一种名叫“NeuralTree(神经树)”的闭环神经调节SoC，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疾病动物模型中提取广泛的生物标志物并进行分类，从而实现高度准确的症状预测。
NeuralTree的具体原理是通过从脑电波中提取标志物（已知与某些神经系统疾病相关的电信号模式）发挥作用。它会对信号进行分类，并指出它们是否预示着即将发生癫痫发作或帕金森氏震颤等。如果检测到症状，它就会激活同样位于芯片上的神经刺激器，发送电脉冲来阻止。
图片来源：洛桑联邦理工学院
据该项目的主导人之一Mahsa Shoaran介绍，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，这使得在植入物上能处理更多高分辨率数据。该芯片面积的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。
除了这些优势之外，该系统还可检测比此前设备更为广泛的症状。该芯片的机器学习算法在来自癫痫和帕金森病患者的数据集上进行了训练，成功对来自这两个类别的神经信号进行了准确分类。
Shoaran热衷于让神经接口更加智能，来实现更有效的疾病控制，下一步，她将就启用片上算法更新来跟上神经信号的演变展开相关研究：“神经信号会发生变化，因此随着时间的推移，神经接口的性能会下降。我们一直在努力使算法更加准确和可靠，实现这一目标的一种方法是启用片上更新，或者可以自我更新的算法。”
最前沿的电子设计资讯
