論文の概要: The Portiloop: a deep learning-based open science tool for closed-loop brain stimulation

• arxiv url: http://arxiv.org/abs/2107.13473v1
• Date: Wed, 28 Jul 2021 16:29:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-29 15:48:35.369877
• Title: The Portiloop: a deep learning-based open science tool for closed-loop brain stimulation
• Title（参考訳）: Portiloop:クローズドループ脳刺激のためのディープラーニングベースのオープンサイエンスツール
• Authors: Nicolas Valenchon, Yann Bouteiller, Hugo R. Jourde, Emily B.J. Coffey and Giovanni Beltrame
• Abstract要約: Portiloopはポータブルで低コストのデバイスで、神経科学のコミュニティが脳波を捉えることができる。 このシステムは、既存の脳波睡眠記録データベースを使用して、睡眠スピンドルをリアルタイムで検出し、刺激することができる。 Portiloopは、EEG内の他の神経イベントを検出し、刺激するために拡張することができる。
• 参考スコア（独自算出の注目度）: 5.711038509872248
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electroencephalography (EEG) is a method of measuring the brain's electrical activity, using non-invasive scalp electrodes. In this article, we propose the Portiloop, a deep learning-based portable and low-cost device enabling the neuroscience community to capture EEG, process it in real time, detect patterns of interest, and respond with precisely-timed stimulation. The core of the Portiloop is a System on Chip composed of an Analog to Digital Converter (ADC) and a Field-Programmable Gate Array (FPGA). After being converted to digital by the ADC, the EEG signal is processed in the FPGA. The FPGA contains an ad-hoc Artificial Neural Network (ANN) with convolutional and recurrent units, directly implemented in hardware. The output of the ANN is then used to trigger the user-defined feedback. We use the Portiloop to develop a real-time sleep spindle stimulating application, as a case study. Sleep spindles are a specific type of transient oscillation ($\sim$2.5 s, 12-16 Hz) that are observed in EEG recordings, and are related to memory consolidation during sleep. We tested the Portiloop's capacity to detect and stimulate sleep spindles in real time using an existing database of EEG sleep recordings. With 71% for both precision and recall as compared with expert labels, the system is able to stimulate spindles within $\sim$300 ms of their onset, enabling experimental manipulation of early the entire spindle. The Portiloop can be extended to detect and stimulate other neural events in EEG. It is fully available to the research community as an open science project.
• Abstract（参考訳）: 脳波(EEG)は、非侵襲的な頭皮電極を用いて脳の電気活動を測定する方法である。 本稿では,神経科学コミュニティが脳波を捉え,リアルタイムで処理し,関心のパターンを検出し,正確な時間的刺激で反応できる,深層学習ベースのポータブルで低コストなデバイスであるportiloopを提案する。 Portiloopのコアは、ADC(Analog to Digital Converter)とFPGA(Field-Programmable Gate Array)で構成されるチップ上のシステムである。 ADCによってデジタルに変換された後、EEG信号はFPGAで処理される。 FPGAには、ハードウェアに直接実装された畳み込みおよび繰り返しユニットを備えたアドホックニューラルネットワーク(ANN)が含まれている。 ANNの出力は、ユーザ定義のフィードバックをトリガーするために使用される。 ケーススタディとして、Portiloopを使ってリアルタイムスリープスピンドル刺激アプリケーションを開発した。 睡眠スピンドル(Sleep spindles)は、脳波記録で観察される特定の過渡振動(2.5 s, 12-16 Hz)であり、睡眠中の記憶の凝縮と関連している。 我々は、既存の脳波睡眠記録データベースを用いて、睡眠スピンドルをリアルタイムで検出および刺激するポートループの能力をテストした。 精度とリコールの両方で71%の精度を持つこのシステムは、初期から300ms以内のスピンドルを刺激することができ、初期スピンドル全体を実験的に操作することができる。 Portiloopは、EEG内の他の神経イベントを検出し、刺激するために拡張することができる。 オープンサイエンスプロジェクトとして研究コミュニティで完全に利用可能である。

関連論文リスト

• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• SSVEP-Based BCI Wheelchair Control System [0.0]
  このプロジェクトは脳信号を介して電子車椅子の動きを制御するために提案されている。 このプロジェクトの目的は、障害者、特に運動障害に苦しむ麻痺者を支援することであり、生活の質を向上させることである。 実験の結果,システムは操作が容易で,約1秒の遅延時間が得られることがわかった。
  論文  参考訳（メタデータ） (2023-07-12T18:37:28Z)
• Optimized EEG based mood detection with signal processing and deep neural networks for brain-computer interface [0.0]
  本研究の目的は,脳波と被験者の気分との関係を識別するスマート意思決定モデルを確立することである。 健康な28人の被験者の脳波は同意を得て観測され、気分を研究・認識する試みがなされている。 これらの技術を用いて、96.01%の検出精度が得られた。
  論文  参考訳（メタデータ） (2023-03-30T15:23:24Z)
• ETLP: Event-based Three-factor Local Plasticity for online learning with neuromorphic hardware [105.54048699217668]
  イベントベース3要素局所塑性(ETLP)の計算複雑性に明らかな優位性を有する精度の競争性能を示す。 また, 局所的可塑性を用いた場合, スパイキングニューロンの閾値適応, 繰り返しトポロジーは, 時間的構造が豊富な時間的パターンを学習するために必要であることを示した。
  論文  参考訳（メタデータ） (2023-01-19T19:45:42Z)
• A CNN-Transformer Deep Learning Model for Real-time Sleep Stage Classification in an Energy-Constrained Wireless Device [2.5672176409865686]
  本稿では,単一チャネル脳波データに基づく自動睡眠ステージ分類のためのディープラーニング(DL)モデルを提案する。 このモデルは、ローカル処理によるリアルタイム操作のために、エネルギーとメモリ制限されたデバイス上で動作するように設計された。 我々は、Arduino Nano 33 BLEボード上で、提案モデルの小型版をテストし、完全に機能し、精度が高かった。
  論文  参考訳（メタデータ） (2022-11-20T16:22:30Z)
• A Closed-loop Sleep Modulation System with FPGA-Accelerated Deep Learning [1.5569382274788235]
  我々は,低消費電力フィールドプログラマブルゲートアレイ(FPGA)デバイス上でのクローズドループ操作をサポートする睡眠変調システムを開発した。 ディープラーニング(DL)モデルは、低消費電力のフィールドプログラマブルゲートアレイ(FPGA)デバイスによって加速される。 81名の被験者を含む公衆睡眠データベースを用いて、85.8%の最先端の分類精度とF1スコアの79%の精度でモデルが検証されている。
  論文  参考訳（メタデータ） (2022-11-19T01:47:53Z)
• Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern Recognition on Neuromorphic Hardware [50.380319968947035]
  近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。 文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。 フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。 LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
  論文  参考訳（メタデータ） (2022-05-30T14:30:45Z)
• Grasp-and-Lift Detection from EEG Signal Using Convolutional Neural Network [1.869097450593631]
  本稿では,32チャネル脳波信号から手動動作ビズGALを検出する手法を自動化した。 提案したパイプラインは、基本的には前処理とエンドツーエンド検出ステップを組み合わせたもので、手作りの機能エンジニアリングの必要性を排除している。
  論文  参考訳（メタデータ） (2022-02-12T19:27:06Z)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of legged robots [58.720142291102135]
  スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。 終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
  論文  参考訳（メタデータ） (2021-01-24T12:44:38Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。