ساخت تراشه عصبی جدید برای رمزگشایی تعاملات میان بخش‌های مختلف مغز — Neural chip decodes interactions between brain regions
خلاصه
محققان EPFL موفق به توسعه یک تراشه عصبی قابل کاشت و کم‌مصرف به نام LogSync شده‌اند که فعالیت‌های شبکه‌ای مغز را در زمان واقعی تحلیل می‌کند. این سیستم با استفاده از یادگیری ماشین و محاسبات لگاریتمی، وضعیت‌های عاطفی و شناختی را تشخیص داده و محرک‌های درمانی هدفمند تولید می‌کند.
مقدمه و زمینه فنی
تکنیک تحریک عمقی مغز یا همان DBS مدت‌هاست که به عنوان یک روش درمانی برای اختلالات حرکتی مانند بیماری پارکینسون مورد استفاده قرار می‌گیرد. با این حال، بیشتر سیستم‌های موجود به صورت «حلقه باز» کار می‌کنند؛ به این معنی که پالس‌های الکتریکی بر اساس تنظیمات از پیش تعیین شده اعمال می‌شوند و تطبیقی با فعالیت لحظه‌ای مغز ندارند. حتی سیستم‌های حلقه بسته قدیمی‌تر نیز معمولاً سیگنال‌ها را تنها از یک ناحیه مغز دریافت می‌کنند. این در حالی است که بسیاری از اختلالات روانی پیچیده ناشی از اختلال در ارتباطات و هماهنگی میان چندین ناحیه مختلف مغز هستند، نه نقص در یک نقطه خاص.
معماری و جزئیات فنی تراشه LogSync
تیم پژوهشی آزمایشگاه نوروتکنولوژی‌های یکپارچه در EPFL به سرپرستی مهسا شوران، سیستم روی تراشه (SoC) جدیدی به نام LogSync توسعه داده‌اند که ابعادی در حدود ۴ در ۲ میلی‌متر دارد. این تراشه برای غلبه بر محدودیت‌های توان مصرفی و پردازشی در سیستم‌های ایمپلنت پزشکی طراحی شده است.
از ویژگی‌های کلیدی این تراشه می‌توان به موارد زیر اشاره کرد:
- طراحی هم‌زمان سخت‌افزار و الگوریتم: الگوریتم‌ها و سخت‌افزار به صورت یکپارچه به گونه‌ای طراحی شده‌اند که با محدودیت‌های شدید توان در ایمپلنت‌ها سازگار باشند.
- مصرف توان بسیار پایین: کل سیستم توانی کمتر از ۲۰۰ میکرووات مصرف می‌کند که کسری از توان مصرفی معمول در رابط‌های عصبی مشابه است.
- محاسبات لگاریتمی: استفاده از محاسبات لگاریتمی برای ساده‌سازی عملیات پیچیده ریاضی مورد نیاز جهت تحلیل شبکه‌های مغزی و استخراج بیومارکرها.
- تحلیل شبکه عصبی: تراشه امواج مغزی و میزان همگام‌سازی بین سیگنال‌های نواحی مختلف را ارزیابی کرده و الگوریتم یادگیری ماشین، حالت‌های شناختی و عاطفی را از روی این داده‌ها تشخیص می‌دهد.
نحوه ارزیابی و کاربردها
پژوهشگران عملکرد LogSync را روی داده‌های ثبت‌شده از مغز انسان در آزمایش‌های روان‌پزشکی قبلی و همچنین آزمایش‌های حیوانی ارزیابی کردند. الگوریتم توانست حالت‌های درگیری ذهنی و برانگیختگی عاطفی را به خوبی از روی سیگنال‌های عصبی تشخیص دهد و در مواردی محرک‌ها را در فازهای مشخصی از فعالیت مغزی فعال کند.
اگرچه اعتبارسنجی اولیه این تراشه روی کاربردهای روان‌پزشکی متمرکز بوده است، اما قابلیت استخراج بیومارکرها از شبکه‌های مغزی و ایجاد تحریک‌های دقیق زمانی می‌تواند در نسل‌های آینده فناوری‌های عصبی، از جمله درمان‌های تطبیقی برای اختلالات حرکتی و رابط‌های اولتراسوند متمرکز کاربرد داشته باشد.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل