Mühendislik Okulu'ndaki Entegre Nöroteknoloji Laboratuvarı'ndan Mahsa Shoaran, ve meslektaşı Stéphanie Lacour ile birlikte bir çip üzerinde çalışarak, nöral hastalık semptomlarını tespit edip hafifletebilen nöromodülasyon sistemi olan NeuralTree'yi yarattı.
Çip, gerçek hasta verilerinden biyobelirteçleri etkili bir şekilde çıkarmasını ve kategorize etmesini sağlayan 256 kanallı yüksek çözünürlüklü bir algılama dizisine ve enerji açısından verimli bir makine öğrenme işlemcisine sahiptir.
Shoaran, "NeuralTree, bir sinir ağının doğruluğundan ve bir karar ağacı algoritmasının donanım verimliliğinden faydalanıyor" dedi.
"Nöbet veya titreme tespiti gibi ikili sınıflandırma görevlerinin yanı sıra nöroprostetik uygulamalar için parmak hareketi sınıflandırması gibi çok sınıflı görevler için bu kadar karmaşık ancak enerji açısından verimli bir nöral arayüzü ilk kez entegre edebildik.”
2022 IEEE Uluslararası Katı Hal Devreleri Konferansı'nda sunulan sonuçlar, entegre devreler topluluğu IEEE Dergisi'nde yayınlandı.
NeuralTree, beyin dalgalarından nöral biyobelirteçleri çıkararak analiz eder. Daha sonra sinyalleri sınıflandırır ve örneğin bir epileptik nöbeti veya parkinson titremesinin yaklaştığını gösterir. Eğer bir semptom tespit edilirse, yine çipte bulunan bir nörostimülatör etkinleştirilir ve onu bloke etmek için beyne bir elektrik darbesi gönderir.
Shoaran, NeuralTree'nin benzersiz tasarımının, son teknolojiye kıyasla sisteme benzeri görülmemiş bir verimlilik ve çok yönlülük sağladığını açıklıyor. Çip, implant üzerinde daha fazla yüksek çözünürlüklü verinin işlenmesine izin veren önceki makine öğrenimi gömülü cihazlardaki 32 kanala kıyasla 256 giriş kanalına sahiptir. Çipin alanını verimli kullanan tasarımı, aynı zamanda son derece küçük (3,48 mm2) olduğu anlamına gelir. Çok fazla güç tüketen özellikleri kapatan "enerjiye duyarlı" bir öğrenme algoritmasının entegrasyonu, aynı zamanda NeuralTree'yi yüksek oranda enerji verimli hale getirir.
