神经形神经调节:朝着下一代闭环神经刺激的方向
Luis Fernando Herbozo Contreras1, Nhan Duy Truong1,2, Jason K Eshraghian3
1School of Biomedical Engineering, The University of Sydney, Sydney, NSW 2006, Australia.
PNAS nexus
|November 18, 2024
概括
神经形态计算为植入式神经调节器件提供了一种节能解决方案. 这项技术能够在芯片上对神经信号进行人工智能分析,以便在神经疾病中进行个性化,响应性治疗.
科学领域:
- 神经科学和生物医学工程
- 人工智能和神经形态计算
背景情况:
- 神经调节技术使用电刺激来通过调节神经元活动来治疗神经系统疾病.
- 将人工智能 (AI) 集成到可植入设备中,以进行响应性神经刺激,面临诸如低延迟处理,功耗和热量等挑战.
- 当前人工智能驱动的个性化神经刺激通常依赖于外部数据处理,限制了可植入系统中的持续学习.
研究的目的:
- 引入神经形态神经调节作为响应性,闭环反系统的新方法.
- 突出神经形态架构在芯片上分析神经信号的潜力.
- 为资源有限的可植入神经调节系统提出解决方案.
主要方法:
- 探索用于硬件和固件共设计的神经形态计算架构.
- 专注于在芯片上进行神经信号分析的功率和内存高效处理.
- 关闭循环系统的神经形态神经调节的概念开发.
主要成果:
- 神经形态架构在数据处理和特征提取要求方面提供了显著的减少 (超过三次数).
- 神经形态计算的高功率和内存效率解决了可植入设备的局限性.
- 对复杂的芯片分析和人工智能驱动的个性化治疗的潜力.
结论:
- 神经形神经调节为可植入,资源受限的神经调节系统提供了一个有前途的解决方案.
- 这种方法可以彻底改变植入式大脑机器接口,用于患者特定的治疗.
- 能够实现持续的学习和实时人工智能驱动的响应神经刺激.


