摘要 — 能够进行多点电记录、现场信号分类和闭环治疗的神经接口对于神经系统疾病的诊断和治疗至关重要。然而，在低功耗神经设备上部署机器学习算法具有挑战性，因为此类设备的计算和内存资源受到严格限制。在本文中，我们回顾了在神经接口中嵌入机器学习的最新发展，重点关注设计权衡和硬件效率。我们还介绍了我们优化的基于树的模型，用于对脑植入物中的神经信号进行低功耗和内存高效的分类。使用能量感知学习和模型压缩，我们表明所提出的斜树在癫痫或震颤检测和运动解码等应用中可以胜过传统的机器学习模型。索引词 — 神经接口、低功耗、机器学习、斜树、疾病检测、闭环刺激。I. 介绍