嵌入式设备可以在本地实时处理生物医学信号,因此临床研究和治疗应用的生物医学信号分析可以受益匪浅。一个例子是分析癫痫患者的颅内脑电图 (iEEG) 以检测高频振荡 (HFO),这是致痫脑组织的生物标志物。混合信号神经形态电路提供了构建紧凑、低功耗神经网络处理系统的可能性,该系统可以实时在线分析数据。在这里,我们介绍了一种神经形态系统,该系统在同一芯片上结合了神经记录头端和脉冲神经网络 (SNN) 处理核心来处理 iEEG,并展示了它如何可靠地检测 HFO,从而实现最先进的准确性、灵敏度和特异性。这是首次使用混合信号神经形态计算技术实时识别 iEEG 中相关特征的可行性研究。
要获得癫痫发作的自由,癫痫手术需要完全切除癫痫脑组织。在术中电视学(ECOG)记录中,癫痫组织产生的高频振荡(HFO)可用于量身定制切除缘。但是,实时自动检测HFO仍然是一个开放的挑战。在这里,我们提出了一个尖峰神经网络(SNN),用于自动HFO检测,最适合神经形态硬件实现。我们使用独立标记的数据集(58分钟,16个记录),训练了SNN,以检测从术中ECOG测量的HFO信号。我们针对快速连锁频率范围(250-500 Hz)中HFO的检测,并将网络结果与标记的HFO数据进行了比较。我们赋予了SNN新型的伪影排斥机制,以抑制尖锐的瞬变并证明其在ECOG数据集中的有效性。该SNN检测到的HFO速率(中位数为6.6 HFO/ min)与数据集中发布的HFO率(Spearman'sρ= 0.81)相当。所有8例患者的术后癫痫发作结果被“预测”为100%(CI [63 100%])的精度。这些结果为建造实时便携式电池式HFO检测系统提供了进一步的一步,该检测系统可在癫痫手术期间使用,以指导癫痫发作区的切除。
2. 理论背景 3 2.1. 电路量子电动力学 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.1.4. 色散区域 . ...机电耦合………………………………………………………………………………………………………………10 2.2.3. 归一化应变场……………………………………………………………………………………………………………………12