Artificial Neural Networks-based Real-time Classification of ENG Signals for Implanted Nerve Interfaces

要約

神経障害は人の生命を永続的に危険にさらすリスクがあるため、臨床現場での関連性が高まっています。
患者の回復をサポートするために、完全に埋め込まれたデバイスの使用が、最も有望なソリューションの 1 つとして浮上しています。
しかし、これらのデバイスは、完全に複雑なニューラル ナノネットワーク システムの不可欠な部分となったとしても、多くの課題を引き起こします。
この記事では、そのうちの 1 つである運動/感覚刺激の分類について取り上げます。
このタスクは、4 つの異なるタイプの人工ニューラル ネットワーク (ANN) を探索して、ラットの坐骨神経で測定された電気神経信号 (ENG) 信号からさまざまな感覚刺激を抽出することによって実行されます。
精度、F1 スコア、予測時間の観点からパフォーマンスを比較することで、調査対象の ANN のリアルタイム分類の実現可能性を分析するために、さまざまなサイズのデータ​​ セットが検討されます。
ANN の設計では、多入力多出力 (MIMO) システムとしての ENG 信号のモデリングを利用して、最先端の埋め込み型神経インターフェイスによって行われる対策を説明します。
これらは、神経活動のナノスケールの空間識別を達成するためのマルチコンタクトカフ電極の使用に基づいています。
MIMO ENG 信号モデルは、この論文のもう 1 つの貢献です。
私たちの結果は、一部の ANN はリアルタイム アプリケーションにより適しており、病状の回復に有効な十分に短い処理時間で $100$ および $200\,$ms の信号ウィンドウに対して $90\%$ を超える精度を達成できることを示しています。

要約(オリジナル)

Neuropathies are gaining higher relevance in clinical settings, as they risk permanently jeopardizing a person’s life. To support the recovery of patients, the use of fully implanted devices is emerging as one of the most promising solutions. However, these devices, even if becoming an integral part of a fully complex neural nanonetwork system, pose numerous challenges. In this article, we address one of them, which consists of the classification of motor/sensory stimuli. The task is performed by exploring four different types of artificial neural networks (ANNs) to extract various sensory stimuli from the electroneurographic (ENG) signal measured in the sciatic nerve of rats. Different sizes of the data sets are considered to analyze the feasibility of the investigated ANNs for real-time classification through a comparison of their performance in terms of accuracy, F1-score, and prediction time. The design of the ANNs takes advantage of the modelling of the ENG signal as a multiple-input multiple-output (MIMO) system to describe the measures taken by state-of-the-art implanted nerve interfaces. These are based on the use of multi-contact cuff electrodes to achieve nanoscale spatial discrimination of the nerve activity. The MIMO ENG signal model is another contribution of this paper. Our results show that some ANNs are more suitable for real-time applications, being capable of achieving accuracies over $90\%$ for signal windows of $100$ and $200\,$ms with a low enough processing time to be effective for pathology recovery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google