Σπίτι > Νέα > Οι επιστήμονες κατασκευάζουν τεχνητό τσιπ νευρώνας που μπορεί να αναγνωρίσει βιολογικά σήματα σε πραγματικό χρόνο

Οι επιστήμονες κατασκευάζουν τεχνητό τσιπ νευρώνας που μπορεί να αναγνωρίσει βιολογικά σήματα σε πραγματικό χρόνο

Μια ερευνητική ομάδα από τη Ζυρίχη έχει αναπτύξει πρόσφατα μια συμπαγή συσκευή εξοικονόμησης ενέργειας από τεχνητούς νευρώνες που μπορούν να αποκωδικοποιήσουν τα κύματα του εγκεφάλου. Το τσιπ χρησιμοποιεί δεδομένα που καταγράφονται από τα κύματα του εγκεφάλου των ασθενών με επιληψία για να προσδιορίσει τις περιοχές του εγκεφάλου προκαλούν κρίσεις. Αυτό ανοίγει νέες προοπτικές εφαρμογής για θεραπεία.











Οι τρέχοντες αλγόριθμοι του νευρικού δικτύου παράγουν εντυπωσιακά αποτελέσματα και να βοηθήσουν στην επίλυση ενός εκπληκτικού αριθμού προβλημάτων. Ωστόσο, οι ηλεκτρονικές συσκευές που χρησιμοποιούνται για την εκτέλεση αυτών των αλγορίθμων εξακολουθούν να απαιτούν τεράστια ισχύς επεξεργασίας. Όταν πρόκειται για την επεξεργασία των αισθητηριακών πληροφοριών ή αλληλεπίδρασης με το περιβάλλον, αυτά τα συστήματα τεχνητής νοημοσύνης (AI) απλά δεν μπορούν να ανταγωνιστούν τον πραγματικό εγκέφαλο. Και η νευρωμορφική μηχανική είναι μια ελπιδοφόρα νέα μέθοδος που κατασκευάζει μια γέφυρα μεταξύ της τεχνητής νοημοσύνης και της φυσικής νοημοσύνης.

Μια διεπιστημονική ερευνητική ομάδα στο Πανεπιστήμιο της Ζυρίχης, η eth Zurich και το Πανεπιστημιακό Νοσοκομείο της Ζυρίχης χρησιμοποίησε αυτή τη μέθοδο για να αναπτύξει ένα τσιπ με βάση τη νευρωμορφική τεχνολογία που μπορεί αξιόπιστα και με ακρίβεια να εντοπίσει πολύπλοκα βιολογικά σήματα. Οι επιστήμονες ήταν σε θέση να χρησιμοποιήσουν αυτή την τεχνολογία για να ανιχνεύσουν επιτυχώς τις προηγουμένως καταγεγραμμένες ταλαντώσεις υψηλής συχνότητας (HFO). Αυτά τα συγκεκριμένα κύματα, μετρούμενα χρησιμοποιώντας ενδοκρανιακή ηλεκτροεγκεφαλογραφία (IEEG), έχουν αποδειχθεί ότι υποσχόμαστε τους βιοδείκτες για την ταυτοποίηση του εγκεφαλικού ιστού που προκαλεί επιληπτικές κρίσεις.

Οι ερευνητές σχεδίασαν πρώτα έναν αλγόριθμο για την ανίχνευση του HFO με προσομοίωση του φυσικού νευρικού δικτύου του εγκεφάλου: ένα μικροσκοπικό λεγόμενο νευρικό δίκτυο Spike (SNN). Το δεύτερο βήμα είναι η εφαρμογή του SNN σε ένα υλικό μεγέθους νυχιών που λαμβάνει νευρικά σήματα μέσω ηλεκτροδίων. Σε αντίθεση με τους παραδοσιακούς υπολογιστές, έχει τεράστια ενεργειακή απόδοση. Αυτό καθιστά τους υπολογισμούς με πολύ υψηλή ανάλυση χρόνου, χωρίς να βασίζεται στο διαδίκτυο ή στον υπολογισμό του σύννεφου.

Ο Giacomo Indiveri, ένας καθηγητής στο Ινστιτούτο Νευροτροφίας στο Πανεπιστήμιο της Ζυρίχης και της Οθ Ζυρίχης, δήλωσε: "Ο σχεδιασμός μας μας επιτρέπει να αναγνωρίσουμε τα σπάτουτα μοτίβα σε βιολογικά σήματα σε πραγματικό χρόνο."

Οι ερευνητές σχεδιάζουν τώρα να χρησιμοποιήσουν τα ευρήματά τους για να δημιουργήσουν ένα ηλεκτρονικό σύστημα για να προσδιορίσουν αξιόπιστα και να παρακολουθούν τα HFO σε πραγματικό χρόνο. Όταν χρησιμοποιείται ως πρόσθετο διαγνωστικό εργαλείο στο χειρουργείο, το σύστημα μπορεί να βελτιώσει τα αποτελέσματα των νευροχειρουργικών παρεμβάσεων.

Ωστόσο, αυτό δεν είναι η μόνη περιοχή όπου η αναγνώριση του HFO μπορεί να διαδραματίσει σημαντικό ρόλο. Ο μακροπρόθεσμος στόχος της ομάδας είναι να αναπτυχθεί μια συσκευή για την παρακολούθηση της επιληψίας που μπορεί να χρησιμοποιηθεί εκτός του νοσοκομείου, η οποία θα επιτρέψει την ανάλυση των σημάτων ενός μεγάλου αριθμού ηλεκτροδίων μέσα σε λίγες εβδομάδες ή μήνες.

Ο Johannes Sarnthein, ένας νευροφυσιολόγος στο Πανεπιστημιακό Νοσοκομείο της Ζυρίχης, εξηγεί: "Θέλουμε να ενσωματώσουμε την επικοινωνία ασύρματων δεδομένων χαμηλής ενέργειας στο σχεδιασμό - για παράδειγμα, για να το συνδέσετε σε ένα κινητό τηλέφωνο. Ένα φορητό ή εμφυτεύσιμο τσιπ όπως αυτό μπορεί να αναγνωρίσει ένα υψηλότερο ποσοστό κατάσχεσης. Υψηλές ή χαμηλές περιόδους, οι οποίες θα μας επιτρέψουν να παρέχουμε εξατομικευμένη ιατρική. "