Tutkijat rakentavat keinotekoisia neuroneja, jotka voivat tunnistaa biologiset signaalit reaaliaikaisesti

Nykyiset hermoverkon algoritmit tuottavat vaikuttavia tuloksia ja auttavat ratkaisemaan hämmästyttävän ongelmia. Kuitenkin näiden algoritmien suorittamiseen käytettävät elektroniset laitteet vaativat edelleen valtava käsittelytehoa. Kun kyseessä on aistien tietojen tai vuorovaikutuksen reaaliaikainen käsittely, nämä keinotekoiset älykkyyttä (AI) järjestelmät eivät yksinkertaisesti voi kilpailla varsinaisen aivojen kanssa. Ja neuromorfinen tekniikka on lupaava uusi menetelmä, joka rakentaa sillan keinotekoisen älykkyyden ja luonnon älykkyyden välillä.

Zürichin yliopiston, Eth Zurichin ja Zürichin yliopiston yliopiston monitieteinen tutkimusryhmä käytti tätä menetelmää kehittääkseen neuromorfisen tekniikan mukaista sirua, joka voi luotettavasti ja tarkasti tunnistaa monimutkaisia ​​biologisia signaaleja. Tutkijat pystyivät käyttämään tätä teknologiaa onnistuneesti havaitsemaan aiemmin tallennetut suurtaajuiset värähtelyt (HFO). Nämä erityiset aallot mitattuna käyttämällä intrakranial electroencefalografiaa (IEEG), ovat osoittautuneet lupaaviksi biomarkkereiksi aivokudoksen tunnistamiseksi, joka aiheuttaa kouristusten.

Tutkijat suunnittelivat ensin algoritmin HFO: n havaitsemiseksi simuloimalla aivojen luonnollista hermoverkkoa: pieni ns. Spike Neuraaliverkko (SNN). Toinen vaihe on toteuttaa SNN kynsiikokoisessa laitteistossa, joka vastaanottaa hermosoluja elektrodien kautta. Toisin kuin perinteiset tietokoneet, sillä on valtava energiatehokkuus. Tämä tekee laskelmia erittäin korkealla aikavälillä mahdollista ilman, että luotat Internetiin tai pilvitietojärjestelmään.

Giacomo Indiveri, professori Neuroinformatiikan instituutin zurichin yliopistossa ja Eth Zürichissa, sanoi: "Meidän suunnittelumme antaa meille mahdollisuuden tunnistaa spatiotemporaaliset mallit biologisissa signaaleissa reaaliajassa."

Tutkijat aikovat nyt käyttää havaintojaan sähköisen järjestelmän luomiseksi luotettavasti tunnistamaan ja seuraamaan HFOsia reaaliajassa. Kun käytetään lisädiagnostisena työkaluna toimintahuoneessa, järjestelmä voi parantaa neurokirurgisten interventioiden tuloksia.

Tämä ei kuitenkaan ole ainoa alue, jossa HFO-tunniste voi olla tärkeä rooli. Joukkueen pitkän aikavälin tavoitteena on kehittää laite epilepsian valvomiseksi, jota voidaan käyttää sairaalan ulkopuolella, mikä mahdollistaa suuren määrän elektrodien signaaleja muutamassa viikossa tai kuukausina.

Zürichin yliopistollisen sairaalan neurofysiologin JohannesSiologi, kertoo: "Haluamme integroida pienen energian langattoman tiedonsiirron suunnitteluun - esimerkiksi liittää se matkapuhelimeen. Kannettava tai implantoitava siru voi tunnistaa suuremman takavarikoinnin. Korkeat tai alhaiset jaksot, joiden avulla voimme tarjota yksilöllistä lääkettä. "