Alain Herzog
Alain Herzog Combinando un chip a basso consumo, algoritmi di apprendimento automatico ed elettrodi flessibili impiantabili, gli scienziati dell'EPFL sono riusciti a creare un'interfaccia neurale in grado di identificare e sopprimere i sintomi di vari disturbi neurologici. Mahsa Shoaran, del Laboratorio di Neurotecnologie Integrate della Facoltà di Ingegneria, ha collaborato con Stéphanie Lacour del Laboratorio di Interfacce Bioelettroniche Flessibili per sviluppare NeuralTree: un sistema di neuromodulazione ad anello chiuso su chip in grado di rilevare e ridurre i sintomi delle malattie. Utilizzando una rete di rilevamento ad alta risoluzione a 256 canali e un processore di apprendimento automatico ad alta efficienza energetica, il sistema è in grado di estrarre e classificare un'ampia serie di biomarcatori da dati reali di pazienti e modelli animali di malattie in vivo , consentendo un elevato grado di precisione nella previsione dei sintomi. "NeuralTree ha la precisione di una rete neurale e l'efficienza hardware di un albero decisionale", spiega Mahsa Shoaran. "È la prima volta che siamo riusciti a integrare un'interfaccia neurale così complessa, ma efficiente dal punto di vista energetico, per compiti di classificazione binaria, come il rilevamento di crisi epilettiche o tremori, e per compiti multiclasse, come la classificazione del movimento delle dita per applicazioni neuroprotesiche". I risultati sono stati presentati alla 2022 IEEE International Solid-State Circuits Conference e pubblicati sull'IEEE Journal of Solid-State Circuits, la rivista leader per gli specialisti dei circuiti integrati.
PER LEGGERE QUESTO ARTICOLO, CREA IL TUO ACCOUNT
Ed estendere la vostra lettura, gratuitamente e senza alcun impegno.