Les neurones artificiels reconnaissent les biosignaux en temps réel –

  • FrançaisFrançais



  • Les algorithmes actuels de réseau de neurones produisent des résultats impressionnants qui aident à résoudre un nombre incroyable de problèmes. Cependant, les appareils électroniques utilisés pour exécuter ces algorithmes nécessitent encore trop de puissance de traitement. Ces systèmes d’intelligence artificielle (IA) ne peuvent tout simplement pas rivaliser avec un cerveau réel lorsqu’il s’agit de traiter des informations sensorielles ou des interactions avec l’environnement en temps réel.

    La puce neuromorphique détecte les oscillations à haute fréquence

    L’ingénierie neuromorphique est une nouvelle approche prometteuse qui comble le fossé entre l’intelligence artificielle et l’intelligence naturelle. Une équipe de recherche interdisciplinaire de l’Université de Zurich, de l’ETH Zurich et de l’hôpital universitaire de Zurich a utilisé cette approche pour développer une puce basée sur une technologie neuromorphique qui reconnaît de manière fiable et précise les signaux biologiques complexes. Les scientifiques ont pu utiliser cette technologie pour détecter avec succès des oscillations haute fréquence (HFO) précédemment enregistrées. Ces ondes spécifiques, mesurées à l’aide d’un électroencéphalogramme intracrânien (iEEG), se sont avérées être des biomarqueurs prometteurs pour identifier le tissu cérébral à l’origine des crises d’épilepsie.

    Complexe, compact et économe en énergie

    Les chercheurs ont d’abord conçu un algorithme qui détecte les HFO en simulant le réseau neuronal naturel du cerveau : un minuscule réseau neuronal à pointes (SNN). La deuxième étape consistait à implémenter le SNN dans un matériel de la taille d’un ongle qui reçoit des signaux neuronaux au moyen d’électrodes et qui, contrairement aux ordinateurs conventionnels, est extrêmement économe en énergie. Cela permet des calculs avec une résolution temporelle très élevée, sans recourir à Internet ou au cloud computing. “Notre conception nous permet de reconnaître des modèles spatiotemporels dans les signaux biologiques en temps réel”, explique Giacomo Indiveri, professeur à l’Institut de neuroinformatique de l’UZH et de l’ETH Zur-ich.

    Mesure des HFO dans les blocs opératoires et à l’extérieur des hôpitaux

    Les chercheurs prévoient maintenant d’utiliser leurs découvertes pour créer un système électronique qui reconnaît et surveille de manière fiable les mazouts lourds en temps réel. Lorsqu’il est utilisé comme outil de diagnostic supplémentaire dans les blocs opératoires, le système pourrait améliorer le résultat des interventions neurochirurgicales.

    Cependant, ce n’est pas le seul domaine où la reconnaissance des HFO peut jouer un rôle important. L’objectif à long terme de l’équipe est de développer un dispositif de suivi de l’épilepsie qui pourrait être utilisé en dehors de l’hôpital et qui permettrait d’analyser les signaux d’un grand nombre d’électrodes sur plusieurs semaines ou mois. “Nous voulons intégrer des communications de données sans fil à faible consommation d’énergie dans la conception – pour le connecter à un téléphone portable, par exemple”, explique Indiveri. Johannes Sarnthein, neurophysiologiste à l’hôpital universitaire de Zurich, précise : « Une puce portable ou implantable comme celle-ci pourrait identifier les périodes avec un taux d’incidence de crises plus ou moins élevé, ce qui nous permettrait de fournir une médecine personnalisée. Cette recherche sur l’épilepsie est menée au Centre d’épilepsie et de chirurgie de l’épilepsie de Zurich, qui est géré dans le cadre d’un partenariat entre l’Hôpital universitaire de Zurich, la Clinique suisse d’épilepsie et l’Hôpital universitaire pour enfants de Zurich.

    Source de l’histoire :

    Matériaux fourni par Université de Zurich. Remarque: le contenu peut être modifié pour le style et la longueur.

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.