Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/101187 |
Resumo: | Sistemas invasivos de interface cérebro máquina beneficiam-se de matrizes de microeletrodos implantadas intra-corticalmente para a captura de sinais nervosos com melhor relação sinal-ruído e resolução espacial. Dada a fragilidade dos tecidos biológicos internos próximos a esses sensores, grande parte do processamento desses dados é delegada a uma unidade externa procurando evitar um aquecimento danoso pela dissipação de energia elétrica. Nessas condições, o monitoramento da atividade de múltiplas células gera grande quantidade de dados a ser transmitida via comunicação sem fio de forma a evitar cabos passando através do crânio. Visto que essa transmissão na taxa dos dados de entrada apresenta níveis de potência perigosos, abordagens de compressão de dados precisam ser utilizadas para garantir a segurança pela redução da largura de banda a qual afeta diretamente o consumo de energia. Por esse motivo, esse trabalho propõe implementações digitais em hardware para detecção de impulsos nervosos e compressão via amostragem compressiva. O método proposto é validado considerando o desempenho do processamento de dados nervosos e o respeito das restrições impostas pelo contexto fisiológico relacionado. As especificações finais de hardware para um processo de fabricação CMOS de 0.18 m indicam uma potência de aproximadamente 500 nW em uma área de 0.07 mm2 para o processamento de um único canal de captura. A solução proporciona uma redução da taxa de dados estimada em 96.5%, a qual é mostrada ser superior às obtidas por trabalhos relacionados. |
id |
UFRGS-2_003e1f8e2c81052a07fb0a38c444e1ad |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/101187 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Lapolli, Ângelo CardosoRibas, Renato Perez2014-08-15T02:09:35Z2014http://hdl.handle.net/10183/101187000931901Sistemas invasivos de interface cérebro máquina beneficiam-se de matrizes de microeletrodos implantadas intra-corticalmente para a captura de sinais nervosos com melhor relação sinal-ruído e resolução espacial. Dada a fragilidade dos tecidos biológicos internos próximos a esses sensores, grande parte do processamento desses dados é delegada a uma unidade externa procurando evitar um aquecimento danoso pela dissipação de energia elétrica. Nessas condições, o monitoramento da atividade de múltiplas células gera grande quantidade de dados a ser transmitida via comunicação sem fio de forma a evitar cabos passando através do crânio. Visto que essa transmissão na taxa dos dados de entrada apresenta níveis de potência perigosos, abordagens de compressão de dados precisam ser utilizadas para garantir a segurança pela redução da largura de banda a qual afeta diretamente o consumo de energia. Por esse motivo, esse trabalho propõe implementações digitais em hardware para detecção de impulsos nervosos e compressão via amostragem compressiva. O método proposto é validado considerando o desempenho do processamento de dados nervosos e o respeito das restrições impostas pelo contexto fisiológico relacionado. As especificações finais de hardware para um processo de fabricação CMOS de 0.18 m indicam uma potência de aproximadamente 500 nW em uma área de 0.07 mm2 para o processamento de um único canal de captura. A solução proporciona uma redução da taxa de dados estimada em 96.5%, a qual é mostrada ser superior às obtidas por trabalhos relacionados.Invasive brain-machine interface systems benefit from intra-cortically implanted microelectrode arrays for neural signal recording with improved signal-to-noise ratio and spatial resolution. Given the fragility of the biological inner tissues close to these sensors, most of this data processing is delegated to an external unit looking to avoid hazardous heating from electric energy dissipation. In those conditions, multiple-cells activity monitoring generates great amount of data which is to be wirelessly transmitted in a way to avoid cables passing through the skull. As this transmission at the incoming data rate presents dangerous power levels, data compression approaches must be employed to guarantee safety by reducing the bandwidth which directly affects energy consumption. With that in mind, this work proposes digital hardware implementations for neural spike detection and compression using compressed sensing. The proposed method is validated considering neural data processing performance and the respect of the constraints imposed by the related physiological context. The final hardware specifications for a CMOS 0.18 m fabrication process indicate a power of approximately 500 nW within an area of 0.07 mm2 for the processing of a single recording channel. The solution provides an estimated 96.5% data rate reduction which is shown to be greater than the achieved by related work.application/pdfengInteração homem-máquinaVoz computacionalBrain machine interfaceSpike sortingNeural data compressionCompressed sensingLow-power hardware design for neural spike detection and compression within invasive brain machine interface systems.Circuito de baixa potência para detecção e compressão de impulsos nervosos em sistemas de interface cérebro máquina info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2014Engenharia de Computaçãograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000931901.pdf000931901.pdfTexto completo (inglês)application/pdf1453387http://www.lume.ufrgs.br/bitstream/10183/101187/1/000931901.pdf0b0c6151c909b396857f2a5f1f57ecb4MD51TEXT000931901.pdf.txt000931901.pdf.txtExtracted Texttext/plain120952http://www.lume.ufrgs.br/bitstream/10183/101187/2/000931901.pdf.txtb0a8fd1d923c52f0ed2a7cc5b4bab1c5MD52THUMBNAIL000931901.pdf.jpg000931901.pdf.jpgGenerated Thumbnailimage/jpeg1005http://www.lume.ufrgs.br/bitstream/10183/101187/3/000931901.pdf.jpg5510932ad086fc877d5ac75d72033107MD5310183/1011872021-05-07 05:08:19.995466oai:www.lume.ufrgs.br:10183/101187Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2021-05-07T08:08:19Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems. |
dc.title.alternative.pt.fl_str_mv |
Circuito de baixa potência para detecção e compressão de impulsos nervosos em sistemas de interface cérebro máquina |
title |
Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems. |
spellingShingle |
Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems. Lapolli, Ângelo Cardoso Interação homem-máquina Voz computacional Brain machine interface Spike sorting Neural data compression Compressed sensing |
title_short |
Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems. |
title_full |
Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems. |
title_fullStr |
Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems. |
title_full_unstemmed |
Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems. |
title_sort |
Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems. |
author |
Lapolli, Ângelo Cardoso |
author_facet |
Lapolli, Ângelo Cardoso |
author_role |
author |
dc.contributor.author.fl_str_mv |
Lapolli, Ângelo Cardoso |
dc.contributor.advisor1.fl_str_mv |
Ribas, Renato Perez |
contributor_str_mv |
Ribas, Renato Perez |
dc.subject.por.fl_str_mv |
Interação homem-máquina Voz computacional |
topic |
Interação homem-máquina Voz computacional Brain machine interface Spike sorting Neural data compression Compressed sensing |
dc.subject.eng.fl_str_mv |
Brain machine interface Spike sorting Neural data compression Compressed sensing |
description |
Sistemas invasivos de interface cérebro máquina beneficiam-se de matrizes de microeletrodos implantadas intra-corticalmente para a captura de sinais nervosos com melhor relação sinal-ruído e resolução espacial. Dada a fragilidade dos tecidos biológicos internos próximos a esses sensores, grande parte do processamento desses dados é delegada a uma unidade externa procurando evitar um aquecimento danoso pela dissipação de energia elétrica. Nessas condições, o monitoramento da atividade de múltiplas células gera grande quantidade de dados a ser transmitida via comunicação sem fio de forma a evitar cabos passando através do crânio. Visto que essa transmissão na taxa dos dados de entrada apresenta níveis de potência perigosos, abordagens de compressão de dados precisam ser utilizadas para garantir a segurança pela redução da largura de banda a qual afeta diretamente o consumo de energia. Por esse motivo, esse trabalho propõe implementações digitais em hardware para detecção de impulsos nervosos e compressão via amostragem compressiva. O método proposto é validado considerando o desempenho do processamento de dados nervosos e o respeito das restrições impostas pelo contexto fisiológico relacionado. As especificações finais de hardware para um processo de fabricação CMOS de 0.18 m indicam uma potência de aproximadamente 500 nW em uma área de 0.07 mm2 para o processamento de um único canal de captura. A solução proporciona uma redução da taxa de dados estimada em 96.5%, a qual é mostrada ser superior às obtidas por trabalhos relacionados. |
publishDate |
2014 |
dc.date.accessioned.fl_str_mv |
2014-08-15T02:09:35Z |
dc.date.issued.fl_str_mv |
2014 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/101187 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000931901 |
url |
http://hdl.handle.net/10183/101187 |
identifier_str_mv |
000931901 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/101187/1/000931901.pdf http://www.lume.ufrgs.br/bitstream/10183/101187/2/000931901.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/101187/3/000931901.pdf.jpg |
bitstream.checksum.fl_str_mv |
0b0c6151c909b396857f2a5f1f57ecb4 b0a8fd1d923c52f0ed2a7cc5b4bab1c5 5510932ad086fc877d5ac75d72033107 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1815447130604568576 |