优化神经记录前端,以提高高通道计数系统中的尖端分类精度

科学领域:

• 神经科学是一个神经科学.
• 信号处理 信号处理
• 生物医学工程 生物医学工程

背景情况:

• 尖端分类对于分析细胞外神经记录至关重要.
• 神经记录前端设计显著影响尖峰分类性能.
• 对于功率和面积受限的多通道应用,需要高效的前端.

研究的目的:

• 为了确定最小的模拟前端要求,以准确地进行尖峰分类.
• 为了优化神经接口中的电力和区域效率的设计.
• 为指导高频道计数记录系统的开发提供指导.

主要方法:

• 使用MATLAB模型模拟神经记录前端参数.
• 评估过器顺序,切断频率,ADC分辨率和采样频率.
• 利用合成和真实的神经数据集与基础真相.

主要成果:

• 通过一级巴特沃思带通波器 (700 Hz - 7.5 kHz) 实现最佳的尖峰分类.
• 推的模拟数字转换器 (ADC) 规格:15kHz采样,8位分辨率,没有缺失的代码.
• 确定了影响信号完整性和分类准确性的关键电气参数.

结论:

• 特定的过器和ADC参数对于高峰分类精度至关重要.
• 最小的设计要求使得能耗和面积高效的神经记录前端.
• 这些发现对于优化高密度神经接口中的CMOS电路至关重要.