由人工神经元制成的节能设备可以解码脑波

当前神经网络算法依赖的电子设备需要大量的处理能力，这意味着这些人工智能（AI）系统仍然远远不能与人类大脑相媲美，无法实时处理感官信息或与环境交互。

克服这一挑战的关键可能涉及神经形态工程，这是一种将人工智能和自然智能相结合的新方法。苏黎世大学、瑞士联邦理工大学和苏黎世大学医院的研究人员正在采用这种方法开发基于神经形态技术的芯片，该芯片可以准确可靠地识别复杂的生物信号。

新的研究发表在 Nature Communications 上。

HFO 检测

该团队使用该技术成功检测了以前记录的高频振荡（HFO），这些振荡是通过颅内脑电图（iEEG）测量的。HFO 已被证明是识别癫痫发作负责的脑组织的可靠方法。

该团队模拟了大脑的自然神经网络，即脉冲神经网络（SNN），以设计一个检测 HFO 的算法。然后，他们在一个小型硬件中实现了 SNN，该硬件通过电极接收神经信号，具有极高的能效。

由于这种效率，计算可以以非常高的时间分辨率进行，同时不依赖于互联网或云计算。

Giacomo Indiveri 是苏黎世大学和瑞士联邦理工大学神经信息学研究所的教授。

“我们的设计允许我们实时识别生物信号中的时空模式，” Indiveri 说。

实际应用

研究人员现在正在利用新的发现开发一个电子系统，该系统可以可靠地实时识别和监测 HFO。根据团队的说法，如果该工具作为手术室中的辅助诊断工具使用，它可以改善神经外科干预的结果。

HFO 识别还可以影响其他领域，团队的长期目标是开发一种用于监测癫痫的设备。这种设备可以在医院外使用，使得可以在几周或几个月内分析来自大量电极的信号。

“我们希望在设计中集成低能耗的无线数据通信——例如连接到手机，” Indiveri 说。

Johannes Sarnthein 是苏黎世大学医院的神经生理学家。

“这种便携式或可植入的芯片可以识别癫痫发作的高发期或低发期，从而使我们能够提供个性化的医疗，” Sarnthein 说。

关于癫痫的研究正在苏黎世癫痫中心和癫痫手术中心进行，该中心是苏黎世大学医院、瑞士癫痫诊所和苏黎世儿童医院之间的合作项目的一部分。