NeuralTree：一款 256 通道 0.227-$\mu$J/类多功能神经活动分类与闭环神经调控 SoC
信号处理
2023-03-21 v3 系统与控制
系统与控制
摘要
具有片上机器学习的闭环神经接口可检测并抑制神经系统疾病的疾病症状，或恢复瘫痪患者丧失的功能。虽然高密度神经记录可为准确的疾病状态检测提供丰富的神经活动信息，但现有系统通道数低且可扩展性差，可能限制其治疗效果。本工作提出了一种可高度扩展且通用的闭环神经接口 SoC，可克服这些局限。提出了一种具有两步快速建立混合信号直流伺服环（DSL）的 256 通道时分复用（TDM）前端，用于记录高空间分辨率神经活动并执行通道选择性脑状态推断。树结构神经网络（NeuralTree）分类处理器以患者和疾病特异的方式提取丰富的神经生物标志物集合。通过能量感知学习算法训练，NeuralTree 分类器以最优的能量-精度折衷检测潜在疾病（如癫痫和运动障碍）的症状。16 通道高压（HV）兼容神经刺激器通过向大脑输送电荷平衡的双相电流脉冲来闭合治疗环路。该 SoC 采用 65 nm CMOS 工艺制造，在 0.014mm/通道的紧凑面积下实现了 0.227-J/类的能效。该 SoC 在人类脑电图（EEG）和颅内 EEG（iEEG）癫痫数据集上进行了广泛验证，分别获得了 95.6%/94% 的灵敏度和 96.8%/96.9% 的特异性。进一步在癫痫大鼠模型上使用了柔性 ECoG 阵列进行体内神经记录和多域生物标志物提取。此外，文中首次展示了基于人类局部场电位（LFPs）对帕金森病（PD）静息态震颤的片上分类。
引用
@article{arxiv.2205.06090,
title = {NeuralTree: A 256-Channel 0.227-$\mu$J/Class Versatile Neural Activity Classification and Closed-Loop Neuromodulation SoC},
author = {Uisub Shin and Cong Ding and Bingzhao Zhu and Yashwanth Vyza and Alix Trouillet and Emilie C. M. Revol and Stéphanie P. Lacour and Mahsa Shoaran},
journal= {arXiv preprint arXiv:2205.06090},
year = {2023}
}