NeuroGator:基于LFP大脑状态估计的异步BCI的低功耗门系统
Benyuan He1,2, Chunxiu Liu1,2, Zhimei Qi1,2
1State Key Laboratory of Transducer Technology, Aerospace Information Research Institute (AIR), Chinese Academy of Sciences, Beijing 100094, China.
Brain sciences
|February 27, 2026
概括
对于植入式脑电脑接口 (BCI) 设备而言,NeuroGator是一种异步门系统,使用层次状态分类,可显著降低82%的数据吞吐量. 这项创新使BCI系统能够以超低功耗运行,解决了关键的资源限制.
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:
- 植入式脑电脑接口 (BCI) 系统产生大量数据,耗尽硬件资源,特别是在功率有限的无线应用中.
- 在BCI中持续的数据处理是一个重要的瓶,阻碍了可植入设备的效率和实用性.
研究的目的:
- 引入NeuroGator,一个异步门系统,旨在减轻可植入BCI系统中的数据处理瓶.
- 开发一种资源高效的架构,减少BCI设备的数据大小和功耗.
主要方法:
- NeuroGator采用分层状态分类,采用两阶段方法:一个低功耗的沉默探测器和一个双分辨率门反复单元 (GRU) 模型.
- 沉默探测器过非活跃信号,减少数据大小约69.4%,而GRU模型分析局域潜力 (LFP) 数据以不同的精度进行活动确认.
- 该系统在应用特定集成电路 (ASIC) 上使用180nm CMOS 工艺实现.
主要成果:
- NeuroGator实现了整体数据吞吐量减少82%,同时保持了0.95.9的高F1分数.
- 该系统使可植入的BCI设备能够在超过85%的时间内在超低功耗状态下运行.
- 该ASIC实现显示了最小的面积 (0.006mm2) 和超低功耗 (51nW).
结论:
- NeuroGator有效地解决了可植入BCI系统中的资源效率挑战.
- 拟议的异步关门系统为下一代节能植入式BCI设备提供了一个强大的范式.
- 这种方法显著提高了在资源有限的环境中先进的BCI功能可行性.
