TU/e研究人员使用生物传感器检测囊性纤维化作为测试案例，设计了一种创新的方法来训练神经形态芯片，这一方法在《自然电子》杂志上发表的一篇新论文中提出。

基于人脑结构的神经形态计算机可能会彻底改变我们未来的医疗保健设备。然而，它们的广泛使用受到了需要使用外部训练软件来训练神经形态计算机的阻碍，这可能非常耗时且能源效率低下。

美国埃因霍温理工大学和西北大学的研究人员开发了一种新型神经形态生物传感器，能够进行片上学习，无需外部训练。作为概念验证，研究人员使用生物传感器根据汗液样本诊断囊性纤维化。

“我们已经证明，我们可以创建一种‘智能生物传感器’，无需使用计算机或软件，就能学会检测囊性纤维化等疾病。”这是EvelinevanDoremaele与来自TU/e的YoerivandeBurgt以及来自美国西北大学的XudongJi和JonathanRivnay一起总结他们的新论文的方式

他们研究中的“智能生物传感器”是一种神经形态生物传感计算机，这种设备的操作灵感来自于人脑中神经元与其他神经元的通信方式。

vanDoremaele表示：“例如，神经拟态计算可能会对医疗保健产生重大影响，特别是在用于检查疾病或状况的护理点设备方面。”“在我们的研究中，我们解决了有关神经形态计算机在医疗保健中的使用的一个主要问题。”

告别外部软件

那么，vanDoremaele和她的合作者解决了什么呢?“为了在医疗保健设备中实际使用，神经形态技术需要具有低功耗、与传感器接口，并且易于训练使用。其中前两个问题可以通过基于有机的电子设备来解决。但最重要的是训练部分。中心问题。”

到目前为止，神经形态芯片的神经网络将使用外部软件进行训练，这是一个耗时且能源效率低下的过程。研究人员表示：“现在，我们的新芯片可以通过实时处理患者数据来进行动态学习，这无疑加快了训练过程，并有助于促进该芯片在真正的交互式生物应用中的使用。”

寻找氯阴离子

为了测试他们全新芯片的有效性，研究人员用它来测试遗传性疾病囊性纤维化。囊性纤维化是一种遗传性疾病，会损害肺部和消化系统等器官。

检测这种疾病的一种现有方法是通过汗液测试，其中高水平的氯阴离子是囊性纤维化的指标。可靠的传感器已经可用于测试囊性纤维化，因此该测试为研究人员提供了一个易于检查的片上学习传感器案例研究。

“为了便于实施，我们没有使用真实的患者数据。相反，我们使用了健康捐赠者的汗液样本，”vanDoremaele说。“一个样本是阴性样本或健康的捐献者汗液样本，而第二个样本则含有非常高浓度的氯离子。”

研究人员的神经形态生物传感器由三个主要部分组成——传感器模块、硬件神经网络和输出分类部分。将一滴汗液添加到传感器模块中，然后用离子选择性电极检测汗液中的氯离子和其他离子浓度。然后这些信号由神经形态芯片本身进行处理。最后，分析结果显示为绿灯或红灯，分别表示阴性或阳性结果。

在“数据健身房”进行训练

在使用芯片评估主要汗液样本之前，神经网络必须进入“数据健身房”并接受一些监督训练。

“我们创建了许多具有不同且已知离子浓度的汗液样本，然后在芯片上测试了这些样本。如果芯片的测试结果错误，我们会纠正芯片，从而修正节点之间的权重神经网络的一部分，”vanDoremaele说。“重要的是，我们在硬件本身上训练芯片。”

这是这项研究的重大进步——能够在芯片上训练神经网络，而无需任何外部软件。vanDoremaele补充道：“当芯片针对感兴趣的问题进行训练时(这里是从汗液样本中检测囊性纤维化)，就不需要进一步的外部控制或干预。”

再培训的容易程度

此外，即使经过训练，该芯片也可以用于解决另一个问题。“假设你想在智能假手或手臂中使用相同的神经网络硬件。在这种情况下，你所要做的就是使用有关手或手臂运动的信息在‘数据健身房’重新训练神经网络，”vanDoremaele说。

这种新的片上学习方法开辟了个性化植入式神经网络的可能性，最终用户可以通过使用直接来自用户的数据来训练这种神经网络。“这种训练神经网络用于医疗保健的方法可能会对人们产生重大影响，并且有一天可能会提供一种实时训练芯片来控制假肢或其他类似设备的方法。真正的新颖之处在于芯片可以学习和适应适应它们的应用和环境。它们不必像今天的情况那样预先编程。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：