شريحة عصبية لإدارة اضطرابات الدماغ
شريحة عصبية لإدارة اضطرابات الدماغ
قام الباحثون بدمج تصميم الرقائق منخفضة الطاقة وخوارزميات التعلم الآلي والأقطاب الكهربائية الناعمة القابلة للزرع لإنتاج واجهة عصبية يمكنها تحديد أعراض الاضطرابات العصبية المختلفة وقمعها.
تعاونت Mahsa Shoaran من مختبر التقنيات العصبية المتكاملة في كلية الهندسة مع Stéphanie Lacour في مختبر الواجهات الإلكترونية الحيوية اللينة لتطوير NeuralTree: نظام تعديل عصبي مغلق على رقاقة يمكنه اكتشاف أعراض المرض والتخفيف من حدتها. بفضل مصفوفة الاستشعار عالية الدقة ذات 256 قناة ومعالج التعلم الآلي الموفر للطاقة ، يمكن للنظام استخراج وتصنيف مجموعة واسعة من المؤشرات الحيوية من بيانات المريض الحقيقية والنماذج الحيوانية للأمراض في الجسم الحي ، مما يؤدي إلى درجة عالية من الدقة في التنبؤ بالأعراض.
وتحدثت Shoaran قائلة: “تستفيد NeuralTree من دقة الشبكة العصبية وكفاءة الأجهزة لخوارزمية شجرة القرار”. “إنها المرة الأولى التي تمكنا فيها من دمج مثل هذه الواجهة العصبية المعقدة والموفرة للطاقة لمهام التصنيف الثنائي ، مثل اكتشاف النوبات أو الرعشة ، بالإضافة إلى المهام متعددة الفئات مثل تصنيف حركة الإصبع لتطبيقات الأعصاب الصناعية. “
وقد تم تقديم نتائجهم في مؤتمر دوائر الحالة الصلبة الدولي لعام 2022 IEEE ونشرت في مجلة IEEE Journal of Solid-State Circuits ، وهي المجلة الرئيسية لمجتمع الدوائر المتكاملة.
الكفاءة وقابلية التوسع والتنوع
تعمل NeuralTree عن طريق استخراج المؤشرات الحيوية العصبية – أنماط الإشارات الكهربائية المعروفة بأنها مرتبطة ببعض الاضطرابات العصبية – من موجات الدماغ. ثم يصنف الإشارات ويشير إلى ما إذا كانت تنذر بنوبة صرع وشيكة أو رعاش باركنسون ، على سبيل المثال. إذا تم الكشف عن أحد الأعراض ، يتم تنشيط محفز عصبي – موجود أيضًا على الشريحة – لإرسال نبضة كهربائية لمنعه.
ووضحت Shoaran أن تصميم NeuralTree الفريد يمنح النظام درجة غير مسبوقة من الكفاءة والتنوع مقارنة بأحدث ما توصلت إليه التكنولوجيا. تضم الشريحة 256 قناة إدخال ، مقارنة بـ 32 قناة للأجهزة المدمجة السابقة للتعلم الآلي ، مما يسمح بمعالجة المزيد من البيانات عالية الدقة على الغرسة. يعني التصميم الموفر للمساحة للشريحة أنها صغيرة جدًا أيضًا (3.48 مم 2) ، مما يمنحها إمكانات كبيرة لقابلية التوسع لمزيد من القنوات. إن تكامل خوارزمية التعلم “المدركة للطاقة” – التي تعاقب الميزات التي تستهلك الكثير من الطاقة – تجعل أيضًا NeuralTree عالي الكفاءة في استخدام الطاقة.
بالإضافة إلى هذه المزايا ، يمكن للنظام اكتشاف نطاق أوسع من الأعراض مقارنة بالأجهزة الأخرى ، والتي ركزت حتى الآن بشكل أساسي على اكتشاف نوبات الصرع. تم تدريب خوارزمية التعلم الآلي الخاصة بالشريحة على مجموعات البيانات من مرضى الصرع ومرض باركنسون ، وتم تصنيف الإشارات العصبية المسجلة مسبقًا من كلا الفئتين بدقة.
وأضافت Shoaran : “على حد علمنا ، هذا هو أول عرض لاكتشاف رعاش باركنسون باستخدام مصنف على الرقاقة”.
خوارزميات التحديث الذاتي
وأصبحت Shoaran متحمسة لجعل الواجهات العصبية أكثر ذكاءً لتمكين المزيد من السيطرة الفعالة على المرض ، وهي تتطلع بالفعل إلى المزيد من الابتكارات.
وقالت: “في النهاية ، يمكننا استخدام الواجهات العصبية للعديد من الاضطرابات المختلفة ، ونحتاج إلى أفكار خوارزمية والتطورات في تصميم الرقائق لتحقيق ذلك. هذا العمل متعدد التخصصات للغاية ، ولذا فهو يتطلب أيضًا التعاون مع مختبرات مثل مختبر واجهات إلكترونية حيوية ناعمة ، التي يمكنها تطوير أقطاب كهربائية عصبية متطورة أو مختبرات مع إمكانية الوصول إلى بيانات المريض عالية الجودة “.
وكخطوة تالية ، فهي مهتمة بتمكين تحديثات الخوارزمية على الرقاقة لمواكبة تطور الإشارات العصبية. ووضحت: “الإشارات العصبية تتغير ، وبمرور الوقت سينخفض أداء الواجهة العصبية. نحاول دائمًا جعل الخوارزميات أكثر دقة وموثوقية ، وإحدى طرق القيام بذلك هي تمكين التحديثات على الرقاقة ، أو الخوارزميات التي يمكنها التحديث أنفسهم.”
