当前的神经网络算法产生了令人印象深刻的结果,有助于解决许多问题。但是,用于运行这些算法的电子设备仍然需要太多的处理能力。当涉及实时处理感官信息或与环境的交互时,这些人工智能(AI)系统根本无法与实际的大脑竞争。
Neuromorphic芯片可检测高频振荡
神经形态工程学是一种有希望的新方法,可以弥合人工智能与自然智能之间的鸿沟。苏黎世大学,苏黎世联邦理工学院和苏黎世大学医院的跨学科研究团队已经使用这种方法来开发基于神经形态技术的芯片,该芯片能够可靠,准确地识别复杂的生物信号。科学家们能够使用这项技术成功检测以前记录的高频振荡(HFO)。使用颅内脑电图(iEEG)测量的这些特定波已被证明是用于识别引起癫痫发作的脑组织的有前途的生物标志物。
复杂,紧凑且节能
研究人员首先设计了一种算法,该算法可以通过模拟大脑的自然神经网络(即所谓的尖峰神经网络(SNN))来检测HFO。第二步涉及在指甲大小的硬件中实现SNN,该硬件通过电极接收神经信号,并且与传统计算机不同,它具有很高的能源效率。这样就可以在不依赖互联网或云计算的情况下以非常高的时间分辨率进行计算。UZH和ETH Zur-ich的神经信息学研究所教授Giacomo Indiveri说:“我们的设计使我们能够实时识别生物信号中的时空模式。”
测量手术室和医院外部的HFO
研究人员现在计划利用他们的发现来创建一个电子系统,该系统可以实时可靠地识别和监视HFO。当用作手术室中的附加诊断工具时,该系统可以改善神经外科手术干预的结果。
但是,这不是HFO识别可以发挥重要作用的唯一领域。该小组的长期目标是开发一种可以在医院外使用的监测癫痫病的设备,这将使数周或数月的大量电极信号分析成为可能。Indiveri说:“我们希望在设计中集成低能耗的无线数据通信,例如将其连接到手机。”苏黎世大学医院的神经生理学家Johannes Sarnthein阐述道:“诸如此类的便携式或可植入芯片可以识别癫痫发作率较高或较低的时期,这将使我们能够提供个性化的药物。”这项癫痫病研究正在苏黎世癫痫病学和癫痫手术中心进行,
标签: 人工神经元
免责声明:本文由用户上传,如有侵权请联系删除!