使用3D记忆神经形态系统监测帕金森病的时间域特征
Md Abu Bakr Siddique1, Yan Zhang2, Hongyu An1
1Department of Electrical and Computer Engineering, Michigan Technological University, Houghton, MI, United States.
Frontiers in computational neuroscience
|January 1, 2024
概括
本研究介绍了一种节能的神经形状探测器,用于闭环深度大脑刺激 (CL-DBS) 系统中对帕金森病 (PD) 症状监测. 这种新的方法显著降低了计算需求,并提高了可穿戴医疗设备的效率.
科学领域:
- 神经形态工程的神经形态工程
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
背景情况:
- 帕金森病 (PD) 影响着数百万人,需要先进的治疗方法,如闭环深度大脑刺激 (CL-DBS).
- 目前的CL-DBS系统需要实时监测PD症状,但现有的技术具有很高的计算需求,限制了它们在可植入设备中的使用.
研究的目的:
- 为CL-DBS系统开发一种节能的神经形态PD症状检测器.
- 为了解决目前用于可穿戴医疗设备的PD监控技术的计算限制.
主要方法:
- 使用记忆型三维集成电路 (3D-ICs) 进行节能的神经形态PD症状检测器.
- 采用8层尖的长短期记忆 (S-LSTM) 网络来检测PD症状,该网络基于亚thalamic核 (STN) 中的过度β频振荡 (13-35 Hz).
- 使用模拟和NeuroSIM评估性能,将基于memristor的设计与传统的基于SRAM的系统进行比较.
主要成果:
- 在PD症状识别方面取得了高准确性 (99.74%的培训,99.52%的验证).
- 与基于SRAM的设计相比,芯片面积 (高达47.4%),延迟 (高达66.63%),能耗 (高达65.6%) 和功耗 (高达67.5%) 显著减少.
- 展示了探测器对神经信号时间变化的弹性.
结论:
- 引入了一种新的,节能的神经形态方法,用于使用尖端神经网络和记忆3DIC检测PD症状.
- 拟议的方法为CL-DBS系统的效率和性能提供了显著的改进.
- 在CL-DBS中开创了神经形态计算和记忆器的使用,超越了传统设计并证明了强度.
