基于储备池神经形态计算的实时癫痫发作预测闭环控制
人工智能
2025-09-26 v3 新兴技术
人机交互
摘要
闭环脑刺激作为耐药性癫痫（DRE）的个性化治疗具有潜力，但仍存在导致疗效高度可变的局限性。首先，刺激通常在检测到癫痫发作时施加，旨在中止而非预防发作；其次，刺激参数通过试错法确定，需要漫长的微调周期，从而延迟了稳态治疗效果。在此，我们通过利用神经形态计算的潜力来解决这些局限性。我们提出了一种神经形态储备池计算硬件系统，能够基于癫痫发作预测驱动实时个性化自由运行刺激，其中每次预测触发一个电脉冲，而非任意预定义的固定频率刺激序列。该系统在训练阶段对癫痫发作的预测准确率达到83.33%。我们使用耦合到3D微电极阵列的海马球体作为简化测试平台验证该系统，在实时处理过程中实现了>97%的癫痫发作减少，同时主要使用20 Hz以内的瞬时刺激频率，远低于临床实践中通常使用的频率。我们的工作展示了神经形态系统作为下一代神经调控策略用于个性化DRE治疗的潜力，利用其稀疏和事件驱动的处理能力进行实时应用。
引用
@article{arxiv.2505.02003,
title = {Closed-loop control of seizure activity via real-time seizure forecasting by reservoir neuromorphic computing},
author = {Maryam Sadeghi and Darío Fernández Khatiboun and Yasser Rezaeiyan and Saima Rizwan and Alessandro Barcellona and Andrea Merello and Marco Crepaldi and Gabriella Panuccio and Farshad Moradi},
journal= {arXiv preprint arXiv:2505.02003},
year = {2025}
}