一种神经解码的新方法,通过启发超维计算来实现可植入的内皮层BMI
Danial Katoozian1, Hossein Hosseini-Nejad2, Mohammad-Reza A Dehaqani3,4
1FPGA Laboratory, Faculty of Electrical Engineering, K.N. Toosi University of Technology, Tehran, Iran.
Scientific reports
|October 7, 2024
概括
这项研究介绍了一种新的脑机界面 (BMI) 解码方法,其灵感来源于超维计算. 该算法达到51.5%的准确性,计算复杂性低,因此适用于可植入设备.
科学领域:
- 神经科学是一个神经科学.
- 计算机工程 计算机工程
- 生物医学工程 生物医学工程
背景情况:
- 在脑机界面 (BMI) 中解码运动意图是具有挑战性的.
- 目前的BMI解码算法在计算上很复杂,需要计算机,限制了可植入的应用程序.
- 植入式BMI系统的高功耗和计算机的大小是不可行的.
研究的目的:
- 为BMI提出一种新的,硬件友好的解码算法,其灵感来源于超维计算.
- 为了减少计算复杂性和对电机解码的数学模型的依赖.
- 评估算法适用于实时,可植入的BMI应用程序的适用性.
主要方法:
- 由超维计算启发的一种新算法被开发出来.
- 该算法根据神经元发射率识别刺激模式.
- 它将新发射模式与存储模式进行比较,以确定输出,减少对数学模型的依赖.
主要成果:
- 该算法在子前额眼场 (FEF) 的现实数据集上实现了51.5%的准确性.
- 它显示了显著低的计算复杂性 (2050加法运算符).
- 在FPGA和ASIC上的硬件实现显示了低功耗 (9.32μW) 和内存 (2.3Kbytes) 的要求.
结论:
- 拟议的算法为BMI解码提供了一个准确且计算效率高的解决方案.
- 它的硬件友好设计使其适合实时植入式BMI系统.
- 这种方法克服了传统解码方法在尺寸和功耗方面的局限性.
