瑞士洛桑聯邦理工學院的研究人員將低功耗芯片設計，機器學習算法和柔性植入電極相結合，創建了一種神經接口，可以識別和抑制各種神經系統疾病的癥狀這項研究成果最近發表在《IEEE固態電路》雜志上

得益于256通道高分辨率傳感器陣列和節能的機器學習處理器，這個名為神經樹的系統可以從真實的患者數據和疾病動物模型中提取和分類廣泛的生物標志物，從而實現高度準確的癥狀預測。

研究人員表示，神經樹受益于神經網絡的準確性和決策樹算法的硬件效率這是首次將如此復雜但節能的神經接口整合到癲癇發作等二元分類任務中，并用于手指神經修復等分類任務中

神經樹的工作原理是從腦電波中提取標記它將對信號進行分類，并指出它們是否表明即將發生的癲癇發作或帕金森氏癥一旦檢測到癥狀，也位于芯片上的神經刺激器將被激活，并發送電脈沖來阻止它

與之前最先進的技術相比，神經樹的獨特設計使系統具有前所未有的效率和通用性與之前只有32個輸入通道的機器學習嵌入式設備相比，該芯片有256個，這允許在植入物上處理更多高分辨率的數據

芯片面積的高效設計意味著它的尺寸非常小，具有擴展更多通道和高能效的巨大潛力。

除了這些優點，該系統還可以檢測比以前的設備更廣泛的癥狀該芯片的機器學習算法在來自癲癇和帕金森病患者的數據集上進行訓練，成功對這兩類神經信號進行了準確分類