Jeudi, 02/03/2023
Mahsa Shoaran, du Laboratoire de neurotechnologies intégrées de la Faculté des sciences et techniques de l’ingénieur, a travaillé avec Stéphanie Lacour du Laboratoire d’interfaces bioélectroniques souples pour mettre au point NeuralTree : un système sur puce de neuromodulation en boucle fermée capable de détecter et de réduire les symptômes d’une maladie. Grâce à un réseau de détection haute résolution de 256 canaux et à un processeur de machine learning économe en énergie, le système peut extraire et classer un vaste ensemble de biomarqueurs à partir de données réelles de patientes et patients et de modèles animaux de maladies in vivo, ce qui permet d’obtenir un degré de précision élevé dans la prédiction des symptômes.
« NeuralTree bénéficie de la précision d’un réseau neuronal et de l’efficacité matérielle d’un arbre de décision », explique Mahsa Shoaran. « C’est la première fois que nous avons pu intégrer une interface neuronale aussi complexe, mais économe en énergie, pour des tâches de classification binaire, comme la détection de crises ou de tremblements, ainsi que pour des tâches à classes multiples, comme la classification des mouvements des doigts pour des applications neuroprothétiques ». Leurs résultats ont été présentés lors de la conférence 2022 IEEE International Solid-State Circuits Conference.
Aucun commentaire:
Enregistrer un commentaire