使用实时尖端神经网络硬件框架在ECoG中进行强大的压缩和型模式检测

科学领域:

• 神经科学是一个神经科学.
• 神经形态工程的神经形态工程
• 计算生物学 计算生物学

背景情况:

• 通过手术内皮质电图 (ECoG) 检测到的间接性形放电 (IED) 和高频振荡 (HFO) 对于在手术期间识别发性区域至关重要.
• 实时处理ECoG信号对于即时的外科指导至关重要.

研究的目的:

• 开发和验证一个实时系统来检测HFO和IED-HFO,使用神经模拟设备上的尖端神经网络 (SNN).
• 评估系统的性能与已建立的离线算法及其临床应用潜力.

主要方法:

• 一个模块化尖端神经网络 (SNN) 在混合信号神经形态设备上被设计和实现.
• 该SNN与BCI2000实时框架进行了接口,用于处理手术内ECoG数据.
• 该系统使用预先记录的数据和ECoG信号的远程在线分析进行了验证.

主要成果:

• 该SNN实现了与经过验证的离线算法一致的HFO检测率 (斯皮尔曼的r = 0.75,p = 1e-4).
• 该系统在所有患者的线下方法相比,与线下方法相比,显示了相同的术后发作自由预测.
• 在远程在线分析中取得了成功的实时IED-HFO检测,证明了数据压缩和传输能力.

结论:

• 开发的SNN系统可从ECoG信号中准确和实时检测HFO和IED-HFO.
• 这项技术在手术中增强手术内决策的显著前景.
• 这些生物标志物的自动远程实时检测可以促进它们更广泛的临床采用.