قمع الأعراض – شريحة عصبية للتحكم في اضطرابات الدماغ
قام الباحثون في EPFL بدمج مجالات تصميم الشرائح منخفضة الطاقة وخوارزميات التعلم الآلي والأقطاب الكهربائية الناعمة القابلة للزرع لإنشاء واجهة عصبية قادرة على تحديد أعراض الاضطرابات العصبية المختلفة وتخفيفها.
عملت ماهسا شواران، من مختبر التقنيات العصبية المتكامل في كلية الهندسة، مع ستيفاني لاكور من مختبر الواجهات الإلكترونية الحيوية الناعمة لإنشاء NeuralTree ، وهو نظام تعديل عصبي مغلق على رقاقة قادر على اكتشاف وتخفيف أعراض المرض.
يتميز النظام بمصفوفة استشعار عالية الدقة من 256 قناة ومعالج التعلم الآلي الموفر للطاقة، مما يمكّنه من استخراج وتصنيف مجموعة واسعة من المؤشرات الحيوية من بيانات المريض الحقيقية ونماذج الأمراض الحيوانية داخل الجسم الحي. ينتج عن هذا مستوى عالٍ من الدقة في التنبؤ بالأعراض.
يقول Shoaran: “تستفيد NeuralTree من دقة الشبكة العصبية وكفاءة الأجهزة لخوارزمية شجرة القرار”. “إنها المرة الأولى التي نتمكن 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. “
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.
يوضح 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.
يقول شواران: “على حد علمنا، هذا هو أول عرض لاكتشاف رعاش باركنسون باستخدام مصنف على الرقاقة”.
خوارزميات التحديث الذاتي
شواران متحمسة لجعل الواجهات العصبية أكثر ذكاءً لتمكين المزيد من السيطرة الفعالة على المرض، وهي تتطلع بالفعل إلى المزيد من الابتكارات.
“في النهاية، يمكننا استخدام الواجهات العصبية للعديد من الاضطرابات المختلفة، ونحن بحاجة إلى أفكار خوارزمية والتقدم في تصميم الرقائق لتحقيق ذلك. هذا العمل متعدد التخصصات للغاية، ولذا فهو يتطلب أيضًا التعاون مع مختبرات مثل مختبر الواجهات الإلكترونية الحيوية اللينة، والتي يمكنها تطوير أحدث الأقطاب الكهربائية أو المعامل مع إمكانية الوصول إلى بيانات المريض عالية الجودة “.
وكخطوة تالية، فهي مهتمة بتمكين تحديثات الخوارزمية على الرقاقة لمواكبة تطور الإشارات العصبية.
“الإشارات العصبية تتغير، وبمرور الوقت، سينخفض أداء الواجهة العصبية. نحاول دائمًا جعل الخوارزميات أكثر دقة وموثوقية، وإحدى طرق القيام بذلك هي تمكين التحديثات أو الخوارزميات على الرقاقة التي يمكنها تحديث نفسها “.
المصدر: scitechdaily
قد يهمك:
