瑞士洛桑聯邦理工學院研究人員將低功耗芯片設計、機器學習算法和柔性植入式電極相結合，制作出一種神經接口，可識別和抑制各種神經系統疾病癥狀。研究成果近日發表在《IEEE固態電路》雜志上。

　　得益于256通道高分辨率傳感陣列和節能機器學習處理器，名為“神經樹”的該系統可從真實患者數據和疾病動物模型中提取廣泛的生物標志物并分類，從而實現高度準確的癥狀預測。

　　研究人員稱，神經樹得益于神經網絡的準確性和決策樹算法的硬件效率。這是第一次能將如此復雜但節能的神經接口集成到癲癇發作等二元分類任務，并用于手指神經修復等分類任務中。

　　“神經樹”通過從腦電波中提取標志物（已知與某些神經系統疾病相關的電信號模式）發揮作用。它會對信號進行分類，并指出它們是否預示著即將發生的癲癇發作或帕金森氏震顫等。一旦檢測到癥狀，就會激活同樣位于芯片上的神經刺激器，發送電脈沖來阻止。

　　與此前最先進的技術相比，“神經樹”的獨特設計使該系統具有前所未有的效率和多功能性。與之前的機器學習嵌入式設備只有32個輸入通道相比，該芯片擁有256個，從而允許在植入物上處理更多高分辨率數據。

　　該芯片面積的高效設計意味著它尺寸非常小（3.48平方毫米），還具有擴展更多通道的巨大潛力以及很高的能源效率。

　　除了這些優勢之外，該系統還可檢測比此前設備更為廣泛的癥狀。該芯片的機器學習算法在來自癲癇和帕金森病患者的數據集上進行了訓練，成功對來自這兩個類別的神經信號進行了準確分類。

　　（記者張夢然）