Neural signal processing using artificial intelligence on an embedded platform
Ziel dieses Projekts ist die Entwicklung einer durchgängigen neuronalen Verarbeitungskette, die Online-Algorithmen für Spike-Sortierung und neuronale Dekodierung mit analoger und digitaler eingebetteter Hardware implementiert. Diese Pipeline ist ein grundlegender Baustein für die Entwicklung der nächsten Generation neuronaler Implantate. Das System stützt sich auf modernste Algorithmen des maschinellen Lernens, um Bewegungsabsichten aus der Gehirnaktivität zu entschlüsseln. Die Aufzeichnung und Interpretation von Gehirnsignalen erfordert eine Lösung, die genau, schnell und energieeffizient ist, auf einer kleinen Chipfläche implementiert werden kann und eine geringe Verlustwärme hat. Bestehende Lösungen können diese Anforderungen nicht erfüllen. Im Projekt werden wir einen gemeinsamen augmentierten Datensatz für eingebettete neuronale Verarbeitung definieren und hardwarebasierte Lösungen für die verschiedenen Phasen des Spike-Sorting entwickeln, z. B. ein analoges Frontend für die Spike-Erkennung sowie komprimierte maschinelle Lernmodelle für die Merkmalsextraktion und das Clustering. Parallel dazu werden wir einen neuronalen Decoder optimieren, der auf Deep-Learning-Methoden basiert. Schließlich werden wir alle Teile in einen Demonstrator integrieren und die Systemleistung (z. B. Genauigkeit, Latenz und Stromverbrauch) bewerten.
Antragsteller
Prof. Dr. Karsten Seidl, Universität Duisburg-Essen, Abteilung Elektro- und Informationstechnik
Prof. Dr. Gregor Schiele, Universität Duisburg-Esssen, Fakultät für Ingenieurwissenschaften
Prof. Dr. Christian Klaes, Universitätsklinikum Knappschaftskrankenhaus Bochum GmbH, Abteilung Neurochirurgie
Förderlinie: Kooperation
Gesamtfördersumme: 399.913,57 €
Ansprechpartner
Prof. Dr. Karsten Seidl
Universität Duisburg-Essen
Abteilung Elektro- und Informationstechnik
Bismarckstr. 81
47057 Duisburg
E-Mail: karsten.seidl@uni-due.de