دانشمندان تراشه های عصبی مصنوعی را ساختند که می توانند سیگنال های بیولوژیکی را در زمان واقعی تشخیص دهند

الگوریتم های شبکه های عصبی فعلی نتایج قابل توجهی را تولید می کنند و به حل تعداد شگفت انگیزی از مشکلات کمک می کنند. با این حال، دستگاه های الکترونیکی مورد استفاده برای اجرای این الگوریتم ها هنوز نیاز به قدرت پردازش بزرگ دارند. هنگامی که آن را به زمان واقعی پردازش اطلاعات حسی یا تعامل با محیط زیست می آید، این سیستم های هوش مصنوعی (AI) به سادگی نمی توانند با مغز واقعی رقابت کنند. مهندسی نورومورفیک یک روش جدید امیدوار کننده است که پل بین هوش مصنوعی و هوش طبیعی را ایجاد می کند.

یک تیم تحقیقاتی بین رشته ای در دانشگاه زوریخ، اته زوریخ و بیمارستان دانشگاه زوریخ از این روش برای توسعه یک تراشه بر اساس تکنولوژی نورومورفیک استفاده کرد که می تواند به طور قابل اعتماد و با دقت شناسایی سیگنال های زیستی پیچیده را شناسایی کند. دانشمندان توانستند از این تکنولوژی استفاده کنند تا بتوانند نوسانات فرکانس بالا قبلا ثبت شده (HFO) را شناسایی کنند. این امواج خاص، اندازه گیری شده با استفاده از الکتروانسفالوگرافی داخل جمجمه (IEEG)، ثابت کرده اند که بیومارکرهای امیدوار کننده برای شناسایی بافت مغزی است که باعث تشنج می شود.

محققان ابتدا یک الگوریتم برای تشخیص HFO را با شبیه سازی شبکه عصبی طبیعی مغز طراحی کردند: یک شبکه عصبی کوچک به اصطلاح به اصطلاح (SNN). مرحله دوم این است که اجرای SNN را در یک سخت افزار ناخن که سیگنال های عصبی را از طریق الکترود دریافت می کند، اجرا شود. بر خلاف رایانه های سنتی، دارای بهره وری انرژی زیادی است. این باعث می شود محاسبات با وضوح بسیار بالایی که ممکن است بدون تکیه بر اینترنت یا محاسبات ابری امکان پذیر باشد.

Giacomo Indivivi، استاد موسسه نوآورماتیک در دانشگاه زوریخ و اتی زوریخ، گفت: "طراحی ما به ما اجازه می دهد تا الگوهای فضایی فضایی را در سیگنال های بیولوژیکی در زمان واقعی تشخیص دهیم".

محققان در حال حاضر در حال برنامه ریزی برای استفاده از یافته های خود برای ایجاد یک سیستم الکترونیکی به طور قابل اعتماد شناسایی و نظارت بر HFOs در زمان واقعی هستند. هنگامی که به عنوان یک ابزار تشخیصی اضافی در اتاق عمل استفاده می شود، سیستم می تواند نتایج مداخلات جراحی مغز و اعصاب را بهبود بخشد.

با این حال، این تنها منطقه ای نیست که شناسایی HFO می تواند نقش مهمی ایفا کند. هدف درازمدت تیم این است که یک دستگاه برای نظارت بر صرع ایجاد شود که می تواند در خارج از بیمارستان استفاده شود، که امکان تجزیه و تحلیل سیگنال های تعداد زیادی از الکترود را ظرف چند هفته یا چند ماه می کند.

Johannes Sarnthein، یک نوروفیزیولوژیست در بیمارستان دانشگاه زوریخ توضیح می دهد: "ما می خواهیم ارتباطات بی سیم کم انرژی را در طراحی ادغام کنیم - به عنوان مثال، برای اتصال آن به یک تلفن همراه. یک تراشه قابل حمل یا قابل حمل مانند این می تواند میزان تشنج بالاتر را تشخیص دهد. دوره های بالا یا پایین، که به ما اجازه می دهد تا پزشکی شخصی را ارائه دهیم. "