Zuhause > Nachrichten > Wissenschaftler bauen künstlichen Neuronchip auf, der in Echtzeit biologische Signale erkennen kann

Wissenschaftler bauen künstlichen Neuronchip auf, der in Echtzeit biologische Signale erkennen kann

Ein Forschungsteam von Zürich hat kürzlich ein kompaktes, energiesparendes Gerät aus künstlichen Neuronen entwickelt, das Gehirnwellen dekodieren kann. Der Chip verwendet Daten, die von den Gehirnwellen der Patienten mit Epilepsie aufgezeichnet wurden, um zu identifizieren, welche Bereiche des Gehirns Anfälligkeiten verursachen. Dies eröffnet neue Anwendungsaussichten für die Behandlung.











Aktuelle NEURAL-Netzwerkalgorithmen erzeugen beeindruckende Ergebnisse und helfen, eine erstaunliche Anzahl von Problemen zu lösen. Die zum Ausführen dieser Algorithmen verwendeten elektronischen Geräte erfordern jedoch immer noch eine große Verarbeitungsleistung. Wenn es um Echtzeitverarbeitung sensorischer Informationen oder Interaktion mit der Umwelt geht, können diese künstlichen Intelligenz (AI) -Systeme einfach nicht mit dem tatsächlichen Gehirn konkurrieren. Und das neuromorphe Engineering ist eine vielversprechende neue Methode, die eine Brücke zwischen künstlicher Intelligenz und natürlicher Intelligenz baut.

Ein interdisziplinäres Forschungsteam an der Universität Zürich, ETH Zürich und Universitätsklinikum von Zürich verwendete diese Methode, um einen Chip auf der Grundlage von neuromorphen Technologien zu entwickeln, der komplexe biologische Signale zuverlässig und genau identifiziert. Wissenschaftler konnten diese Technologie nutzen, um zuvor aufgenommene Hochfrequenzschwingungen (HFO) erfolgreich zu erkennen. Diese spezifischen Wellen, die unter Verwendung intrakranialer Elektroenzephalographie (IEEEG) gemessen wurden, haben sich als vielversprechende Biomarker erwiesen, um Hirngewebe zu identifizieren, die Anfälle verursachen.

Die Forscher entwarfen zuerst einen Algorithmus, um HFO zu erkennen, indem er das natürliche neuronale Netzwerk des Gehirns simulierte: ein winzig sogenanntes Spike Neuronal Network (SNN). Der zweite Schritt besteht darin, SNN in einer Nagelhardware implementieren, die neuronale Signale durch Elektroden empfängt. Im Gegensatz zu herkömmlichen Computern hat es eine große Energieeffizienz. Dies ermöglicht die Berechnungen mit einer sehr hohen Zeitauflösung, ohne sich auf das Internet- oder Cloud-Computing zu verlassen.

Giacomo Indiveri, Professor am Institut für Neuroinformatik an der Universität Zürich und der ETH Zürich, sagte: "Unsere Gestaltung ermöglicht es uns, spatiotemporale Mustern in biologischen Signalen in Echtzeit zu erkennen."

Die Forscher planen nun, ihre Ergebnisse zu nutzen, um ein elektronisches System zu erstellen, um HFOs in Echtzeit zuverlässig zu erkennen und zu überwachen. Bei Verwendung als zusätzliches Diagnosewerkzeug im Operationssaal kann das System die Ergebnisse neurochirurgischer Interventionen verbessern.

Dies ist jedoch nicht der einzige Bereich, in dem die HFO-Identifikation eine wichtige Rolle spielen kann. Das langfristige Ziel des Teams besteht darin, ein Gerät zur Überwachung der Epilepsie zu entwickeln, das außerhalb des Krankenhauses verwendet werden kann, was es ermöglicht, die Signale einer großen Anzahl von Elektroden innerhalb weniger Wochen oder Monate zu analysieren.

Johannes Sarnthein, ein Neurophysiologe im Universitätsklinikum Zürich, erklärt: "Wir möchten die energiereiche drahtlose Datenkommunikation in das Design integrieren - zum Beispiel, um es beispielsweise an ein Mobiltelefon anzuschließen. Ein tragbarer oder implantierbarer Chip wie dieser kann eine höhere Anfallsrate erkennen. Hohe oder niedrige Zeiträume, die es uns ermöglichen, personalisierte Medizin bereitzustellen. "