NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
GirişParkinson hastalığı (PD), milyonlarca hastayı etkileyen nörodejeneratif bir hastalıktır. Closed-Loop Deep Brain Stimulation (CL-DBS), PD semptomlarını hafifletebilen bir terapidir. CL-DBS sistemi, beynin belirli bir bölgesine elektrik uyarı sinyalleri gönderen bir elektrot ve göğüse yerleştirilen pille çalışan bir uyarıcıdan oluşur. CL-DBS sistemlerindeki elektriksel uyaranların PD semptomlarının durumuna uygun olarak gerçek zamanlı olarak ayarlanması gerekir. Bu nedenle, PD semptomlarının hızlı ve kesin bir şekilde izlenmesi CL-DBS sistemleri için kritik bir işlevdir. Bununla birlikte, mevcut CL-DBS teknikleri, implante edilmiş ve giyilebilir tıbbi cihazlar için uygun olmayan gerçek zamanlı PD semptom izleme için yüksek hesaplama taleplerinden muzdariptir.MetodlarBu makalede, memristif üç boyutlu entegre devreler (3D-IC) kullanarak enerji verimli bir nöromorfik PD semptom dedektörü sunuyoruz. Subtalamik çekirdekteki (STN) beta frekanslarındaki (13-35 Hz) aşırı salınım, PD semptomlarının biyobelirteçleri olarak kullanılır.SonuçlarSimülasyon sonuçları, 8 katmanlı bir Spiking Long Short-Term Memory (S-LSTM) ile uygulanan nöromorfik PD dedektörümüzün, PD semptomlarını tanımada,% 99.74'lük bir eğitim doğruluğu ve% 75-% 25'lik bir bölünmüş veri için% 99,52'lik bir doğrulama doğruluğu elde etmede üstün olduğunu göstermektedir. Ayrıca, NeuroSIM kullanarak nöromorfik CL-DBS dedektörümüzün iyileştirilmesini değerlendirdik. CL-DBS dedektörümüzün çip alanı, gecikme süresi, enerji ve güç tüketimi, monolitik 3D-IC'ler için sırasıyla %47,4, %66,63, %65,6 ve %67,5 oranında azaltıldı. Benzer şekilde, heterojen 3D-IC'ler için, geleneksel Statik Rastgele Erişim Belleği'nin (SRAM) yerini almak için memristif sinapsların kullanılması, çip alanında, gecikmede ve güç kullanımında %44,8, %64,75, %65,28 ve %67,7'lik azalmalarla sonuçlandı. Bu yöntem, sinyal dönüşümü için gereken zamanı ve enerjiyi geleneksel frekans alan adı yaklaşımlarına kıyasla önemli ölçüde azaltır. Çalışma, CL-DBS sistemlerinin tasarımında nöromorfik hesaplama ve memristörlerin kullanılmasına, çip tasarım alanında SRAM tabanlı tasarımların, gecikme süresinin ve enerji verimliliğinin aşılmasına öncülük ediyor. Son olarak, önerilen nöromorfik PD dedektörü, sağlamlık analizi ile doğrulandığı gibi, beyin sinir sinyallerindeki zamanlama varyasyonlarına karşı yüksek dayanıklılık göstermektedir.
Özgün kaynak özetini okuyun
IntroductionParkinson's disease (PD) is a neurodegenerative disorder affecting millions of patients. Closed-Loop Deep Brain Stimulation (CL-DBS) is a therapy that can alleviate the symptoms of PD. The CL-DBS system consists of an electrode sending electrical stimulation signals to a specific region of the brain and a battery-powered stimulator implanted in the chest. The electrical stimuli in CL-DBS systems need to be adjusted in real-time in accordance with the state of PD symptoms. Therefore, fast and precise monitoring of PD symptoms is a critical function for CL-DBS systems. However, the current CL-DBS techniques suffer from high computational demands for real-time PD symptom monitoring, which are not feasible for implanted and wearable medical devices.MethodsIn this paper, we present an energy-efficient neuromorphic PD symptom detector using memristive three-dimensional integrated circuits (3D-ICs). The excessive oscillation at beta frequencies (13-35 Hz) at the subthalamic nucleus (STN) is used as a biomarker of PD symptoms.ResultsSimulation results demonstrate that our neuromorphic PD detector, implemented with an 8-layer spiking Long Short-Term Memory (S-LSTM), excels in recognizing PD symptoms, achieving a training accuracy of 99.74% and a validation accuracy of 99.52% for a 75%-25% data split. Furthermore, we evaluated the improvement of our neuromorphic CL-DBS detector using NeuroSIM. The chip area, latency, energy, and power consumption of our CL-DBS detector were reduced by 47.4%, 66.63%, 65.6%, and 67.5%, respectively, for monolithic 3D-ICs. Similarly, for heterogeneous 3D-ICs, employing memristive synapses to replace traditional Static Random Access Memory (SRAM) resulted in reductions of 44.8%, 64.75%, 65.28%, and 67.7% in chip area, latency, and power usage.DiscussionThis study introduces a novel approach for PD symptom evaluation by directly utilizing spiking signals from neural activities in the time domain. This method significantly reduces the time and energy required for signal conversion compared to traditional frequency domain approaches. The study pioneers the use of neuromorphic computing and memristors in designing CL-DBS systems, surpassing SRAM-based designs in chip design area, latency, and energy efficiency. Lastly, the proposed neuromorphic PD detector demonstrates high resilience to timing variations in brain neural signals, as confirmed by robustness analysis.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.