在BCI中使用侵入性MEAs进行端到端信号处理的技术调查

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 计算机科学 计算机科学

背景情况:

• 大脑-计算机接口 (BCI) 和神经植入物为患有神经退行性疾病或损伤的个体提供了人与环境的互动.
• 侵入性微电极,如犹他州或密歇根州的阵列,使细胞外记录和刺激用于信号处理和用户交互.
• 目前神经解码的复杂算法超过了芯片上或嵌入式系统的能力.

研究的目的:

• 对神经设备中端到端的神经信号处理管道的系统架构和算法进行调查.
• 为满足针对紧和舒适BCI的优化,实时,芯片上信号处理的需求.
• 为硬件推断提出挑战和解决方案,重点关注低功耗设计和工件强大的算法.

主要方法:

• 对芯片信号预处理的系统架构的审查.
• 对芯片上或嵌入式尖端分类算法的调查.
• 在工作站上执行的神经解码算法的分析.
• 专注于低功耗的电子设计和具有较低计算力度和延迟的工件强大的算法.

主要成果:

• 识别阻碍嵌入式系统实时处理的计算复杂算法.
• 讨论整个处理管道的优化策略,从信号调节到神经解码.
• 介绍当前的挑战和潜在的解决方案,包括机器学习技术.

结论:

• 端到端处理管道的优化对于在神经设备中实现本地实时信号处理至关重要.
• 低功耗设计和工件强大的算法是先进BCI硬件实现的关键.
• 未来的下一代BCI将从新的机器学习技术和优化的系统架构中受益.