把RNN植入体内，仅凭一张“薄片”，就能直接检测你有无心律异常 Science子刊

　　丰色 发自 凹非寺

　　量子位 报道 公众号 QbitAI

　　我们都知道，借助 神经网络，可以对临床上监测到人体生物信号进行病理分析。

　　但这种方法还比较 “被动”：必须先用设备捕捉到信号再用AI去分析。

　　而 功耗低、性能高的神经拟态芯片，有望彻底改变这一方式。

　　就比如现在，来自德国的科学家们设计了这样一种生物相容性的芯片，通过在人体内植入一个 物理人工神经网络，就可以实时、“在线”监测我们的心跳数据并直接分析出我们否有心律异常。

　　也就是说，在体内植入物理神经网络，即使不靠医疗手段监督 （添加其他设备），也能直接检测到病理变化。

　　研究成果刊登在Science Advances。

　　可植入体内的人工神经网络

　　首先，神经拟态芯片存储和计算为一体 （因此没有冯·诺依曼瓶颈），靠的是 更近一步的模拟 生物神经网络的工作方式来解决问题。

　　本次团队设计的这个芯片因为要植入体内，普通的AI芯片材料在重量、体积和散热方面的限制肯定不行。

　　为此他们采用了 生物相容性材料：有机电化学晶体管 （OECT）。

　　这是一种新型晶体管技术，在低电压和低功耗下却保持着高灵敏度，因此具备非常优越的 信号放大能力。

　　再加上它可以对离子浓度变化进行响应，完全可用于生物信号监测。

　　材料选好了，如何在芯片上实现神经拟态，也就是如何部署 物理神经网络？

　　根据以往的研究成果， 储备池计算（Reservoir Computing，RC）是一种不错的brain-inspired框架，可以部署硬件神经网络并执行片上计算（on-chip computation）。把RNN植入体内，仅凭一张“薄片”，就能直接检测你有无心律异常 Science子刊

　　这也主要是因为储备池计算神经网络 （一种RNN）只有 输出层需要训练。

　　最终这个 由有机电化学晶体管（OECT）构成的非线性树状神经网络，通过类似OECT的神经纤维 （突起）来产生 （半）随机网络作为储备池 （reservoir），也就是动力系统，以便像生物神经网络的神经元一样传递信息。

　　△其中一个网络的光学显微镜图片，带有四个输入/输出通道（比例尺，100μm）

　　随机网络会直接与周围的电解液相互作用，通过非线性地将输入电信号映射到输出层来响应离子位移。

　　下图最左为采集到的电子信号，最右神经网络输出层映射的信号图。

　　最后，信息被收集为 离子状态以进行分类分析。

　　辨别心律异常的准确率为88%

　　研究人员在各种计算任务上测试该芯片，包括时间序列预测和分类任务。

　　由于它被设想的使用场景是植入体内，所以每个实验都是在磷酸盐缓冲盐水中进行的，这是是一种 渗透压和离子浓度与人体相匹配的盐水溶液。

　　他们尝试从MIT-BIH数据集中对四种不同类型的心律失常 （健康的心跳和三种常见的心律失常）进行分类后发现，该网络分类的准确率达到88% （F类的最低85%，A类最高92%，正常心跳N类91%，综合准确率为88%）。

　　MIT-BIH数据集是MIT提供的研究心律失常的数据，为国际上三个公认可作为标准心电数据库之一。

　　而且在这个过程中，系统消耗的功率比心脏起搏器小。

　　另外，除了监测生物电信号，它们的用途还可以扩展到对生物流体的分析，例如餐前和餐后血液参数的实时监测。

　　论文地址：

　　参考链接：

　　— 完—

　　本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。

　　榜单征集！6大奖项锁定AI TOP企业

　　「2021中国人工智能年度评选」报名中！本次评选将从公司、人物、产品三大维度寻找优秀的AI企业，欢迎大家扫码报名参与。评选将于12月揭晓，期待与百万从业者们，共同见证这些优秀企业的荣誉！

　　点这里