Low-power hardware design for neural spike detection and compression within invasive brain machine interface systems.

Detalhes bibliográficos
Autor(a) principal: Lapolli, Ângelo Cardoso
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