👩🏼‍🎤 👋🏽 👨🏻‍🎤 Prothèse cérébrale: synchronisation des réseaux neuronaux artificiels et biologiques 🌒 🌦️ 🤴

Le concept de prothèses, c'est-à-dire une tentative de remplacer la partie manquante du corps par un analogue artificiel existe depuis très longtemps. La première mention des prothèses peut être trouvée dans des documents datant de 1500 avant JC. Et cela n'est pas surprenant, car les formes de prothèses les plus simples sont vraiment simples, et auraient donc pu être faites artificiellement même à cette époque (rappelez-vous les pirates avec leurs crochets et leurs pattes en bois). Cependant, les prothèses ne se limitent pas à des problèmes de santé apparemment superficiels. Nous connaissons tous les articulations artificielles, les vaisseaux, les valves, etc. Mais même ces augmentations ne sont rien comparées aux prothèses d'une partie du cerveau, car le cerveau est l'organe le plus complexe de notre corps. Aujourd'hui, nous vous rencontrerons une étude dans laquelle des scientifiques de l'Université de Tokyo ont trouvé un moyen de faire fonctionner de vrais neurones avec des neurones artificiels.Quelles technologies et techniques ont été impliquées dans le développement, quelle est l'efficacité de la relation entre synthétique et biologique, et quelle est l'application pratique de cette découverte? Un rapport de scientifiques nous en parlera. Aller.

Le cerveau humain est régulièrement comparé à un ordinateur et cette comparaison est justifiée. Toute maladie ou lésion cérébrale affecte directement les propriétés structurelles et fonctionnelles des réseaux et circuits cérébraux, provoquant la mort cellulaire, la perte de synapses et la perte d'axones. De tels processus nuisent à la capacité du traitement local de l'information et à son échange entre les circuits distants, perturbant le processus de ségrégation et d'intégration de l'information dans le cerveau. Il est logique que de tels problèmes doivent être résolus. Certaines méthodes sont plus axées sur la restauration - régénération cellulaire, tandis que d'autres sont enclines à remplacer - les prothèses des «autoroutes» manquantes. Les techniques de régénération actuellement développées permettent de faire face avec succès aux défauts à courte distance. Cependant, lorsqu'il s'agit de perdre la communication entre des parties distantes du cerveau,ils sont impuissants en raison de la complexité de la reprogrammation et de la reconstruction des circuits neuronaux.

Si quelque chose ne sort pas, il doit être remplacé. Selon les scientifiques, au cours des dernières décennies, des progrès impressionnants ont été réalisés dans la mise en œuvre de neuro-prothèses, lorsque des circuits neuronaux pulsés artificiels sont localement capables de recevoir et de traiter des données d'entrée en temps réel. Dans ce cas, les données d'entrée peuvent être fournies à la fois localement et à distance; à la fois par stimulation électrique et optogénétique.

Il existe de nombreuses variantes de techniques en ingénierie neuromorphique pour créer des réseaux de neurones pulsés (SNN à partir d'un réseau de neurones à pointes) et des synapses artificielles. Les SNN neuro-induits sont très différents de leurs progéniteurs biologiques, mais sont parfaits pour le calcul et le développement de l'intelligence artificielle. Mais les SNN neuromimétiques reproduisent plus efficacement l'activité des cellules nerveuses réelles et fonctionnent à une échelle de temps accélérée ou biologique (réelle). L'inconvénient de cette option SNN est qu'elle peut être reproduite par programme, mais en réalité cela ne fonctionne pas. En revanche, il existe des SNN matériels qui fonctionnent en temps réel, ont une faible consommation d'énergie et sont intégrés. Ces caractéristiques sont les plus intéressantes pour créer un système hybride, c'est-à-dire pour les neuro-prothèses.

Le matériel SNH15-21 peut être classé en deux groupes: implémentation analogique et implémentation numérique. L'implémentation numérique a l'avantage d'être personnalisable et plus facile à traiter, malgré la consommation d'énergie plus élevée.

C'est très bien, disent les scientifiques, mais tous ces systèmes SNN ne sont rien s'ils ne peuvent pas fonctionner en tandem avec de vrais systèmes biologiques. Créer un lien entre l'artificiel et le biologique n'a pas encore réussi.

Dans leur rapport, les chercheurs démontrent la première mise en œuvre opérationnelle de la communication et de la transmission d'informations en temps réel à partir du SNN matériel implémenté sur le FPGA et la carte de circuit imprimé du réseau neuronal biologique (BNN) en codant dynamiquement les SNN en utilisant des modèles utilisés pour la stimulation optogénétique du BNN.

Les modèles d'activité sont générés à l'aide de SNN, puis ils sont encodés en temps réel en motifs de lumière bleue uniques - images binaires (8x8 pixels) générées par traitement numérique de la lumière (DLP) à l'aide d'un vidéoprojecteur modifié avec microprojection sur un réseau neuronal bidimensionnel (culture) développé sur une matrice multi-électrodes (MEA).

Les neurones utilisés dans les expériences ont été transduits * en utilisant le virus adéno-associé * (AAV) pour exprimer la protéine ChIEF27.

Transduction * - le transfert d'ADN d'une cellule à une autre.

Le virus adéno-associé * est un petit virus qui infecte les cellules humaines, mais ne provoque aucune maladie, par conséquent, provoque une faible réponse immunitaire.

Compte tenu de cette procédure, les neurones ont été excités lors de la stimulation par la lumière bleue, et leur activité a été enregistrée en utilisant à la fois un appareil MEA et une imagerie calcique (une caméra CCD (CCD d' un appareil à couplage de charge ) avec un multiplicateur d'électrons a été montée sur un microscope).

Résultats de recherche

Image n ° 1 La

configuration expérimentale ( 1A ) se compose de trois composants principaux situés autour d'un microscope à épi-fluorescence.

Schéma d'un microscope à épi-fluorescence.

Les principaux composants de l'installation:

réseau de neurones pulsés ( 1B ), fonctionnant sur un FPGA (réseau de portes programmable par l'utilisateur, c'est-à-dire un réseau de portes programmable par l'utilisateur);
SNN-FPGA ( 1C);
, ChIEF-mCitrine ( hSyn), .

Tableau n ° 1

Afin de simuler l'activité d'un véritable réseau neuronal biologique, le SNN a généré une activité spontanée caractérisée par des synchronisations neuronales aux caractéristiques similaires (en termes de durée, fréquence et nombre de neurones recrutés) qui ont été générées à l'aide de BNN corticaux (de 0,1 à 1 Hz).

Quatre SNN différents (tableau 1) utilisés dans 12 expériences étaient composés de 100 neurones Izhikevich (80 excitateurs et 20 inhibiteurs) mis en œuvre dans FPGA (tableau 2) et fournissaient une plage dynamique avec synchronisation de réseau (NS), qui s'étendait de 0,25 jusqu'à 1 Hz (tableau 3).

Tableau 2: ressources FPGA. LUT et FF sont les principaux composants des blocs logiques dans FPGA; LUTRAM et BRAM - technologie de mémoire; DSP (Digital Signal Processing) - circuits utilisés pour le calcul numérique complexe, comme la multiplication.

Tableau n ° 3: paramètres d'expérience. Pour chaque expérience, plusieurs variables sont sélectionnées à la fois: l'un des quatre SNN, la valeur seuil (N) des impulsions neuronales et la durée (T) des fenêtres temporelles pour calculer la synchronisation du réseau.

L'activité générée par le SNN avec une résolution temporelle de 1 ms, et les NS ont été déterminées quand au moins N des 64 neurones ont généré une impulsion dans l'intervalle de temps B. Quatre SNN représentent une activité différente, car leurs neurones, synapses et paramètres de connectivité ont changé dans différentes expériences.

L'activité SNN spontanée a été convertie en temps réel en matrices binaires 8x8 pixels, où chaque élément de la matrice était égal à zéro (c'est-à-dire sans lumière) si ses neurones d'impulsion assignés correspondants ne démarraient pas, ou un (c'est-à-dire l'émission de lumière ) si les neurones sont activés.

Une fois le NS identifié, l'image transformée correspondante a été illuminée. En outre, sur la base de l'activité SNN, le module détecteur de synchronisation de réseau a créé un signal logique transistor-transistor (TTL) vers le dispositif stimulateur et a formé l'illumination de l'image VGA correspondant à la matrice 8x8.

Comme nous l'avons déjà deviné, l'une des principales parties de l'installation est un système de vidéoprojecteur. L'image binaire 8x8 générée en tant qu'activité de sortie SNN a été convertie en une image 800x600 pixels via le port VGA du vidéoprojecteur, où au lieu de la lampe d'origine, une puissante LED bleue a été utilisée. La matrice binaire 8x8 (0 = noir, 1 = bleu) était affichée dans la partie centrale de 800x600 pixels, et tous les autres pixels étaient nuls (noir).

L'image générée par le dispositif de micromiroir numérique (DMD) du vidéoprojecteur a été projetée dans un microscope à épi-fluorescence via un chemin optique supplémentaire passant entre la caméra et le cube de filtre situé au-dessus de l'échantillon ( 1C) La mise au point de l'image DMD sur le port du microscope a été optimisée afin que toutes les images générées dans le champ de vision du microscope puissent être projetées à un grossissement 10x avec une puissance suffisante pour déclencher des potentiels d'action dans les neurones exprimant ChIEF. L'image DMD projetée était située dans le plan focal de l'objectif avec une distance focale de 250 mm, ce qui a permis d'agrandir l'image d'environ quatorze fois.

Donc, alors qu'il existe un réseau neuronal artificiel et un moyen de fixer les données. La prochaine composante intégrale de cette expérience est, bien sûr, BNN, c'est-à-dire réseau neuronal biologique.

Pour le BNN, des cultures neuronales de 21 à 28 DIV ont été utilisées (jours in vitro - jours «en verre», soit le nombre de jours passés en culture in vitro ou en boîte de Pétri). L'activité neuronale a été enregistrée en utilisant une cupule MEA * standard (8x8) avec une distance interélectrode de 200 μm ( 2A ).

MEA * (Microelectrode array) - un réseau de microélectrodes est un appareil dans lequel il existe plusieurs (de dizaines à des milliers) microélectrodes à travers lesquelles des signaux neuronaux sont reçus ou envoyés. MEA est une interface neuronale entre les neurones et les circuits électroniques.

Image n ° 2

Des neurones excitateurs et inhibiteurs ont été transduits (sous le promoteur hSyn) à 7 DIV pour l'expression de ChIEF-mCitrine ( 2B ). Le taux d'expression dans l'ensemble de la population de neurones à 21 DIV était de 70 ± 13%. Les résultats de l'imagerie calcique ( 2B ) ont été obtenus par un grossissement de 10 fois avec une caméra EMCCD montée sur un microscope avec un champ de vision de 800x800 μm, ce qui est approximativement égal à l'espace entre les électrodes 4x4 MEA ( 2A ).

L'image projetée (c'est-à-dire un stimulus) a été appliquée dans le même champ de vision, mais sur une zone légèrement plus petite ( 2C ).

La synchronisation temporelle des différents appareils a été effectuée via le système d'acquisition de données MEA, dans lequel le signal de chacune des 60 électrodes a été simultanément enregistré sur le signal TTL, activant le protocole de stimulation, contrôlant le pilote LED (allumer et éteindre la lumière bleue) et un signal à image unique reçu par la caméra.

Il convient de noter que le système MEA a détecté une activité BNN avant, pendant et après l'activation de la stimulation (c'est-à-dire lorsque le lien potentiel entre SNN et BNN a été activé).

Images n ° 3

Au cours de l'étude, 12 expériences ont été menées, dans chacune desquelles une version spécifique de SNN et d'autres paramètres ont été utilisés pour détecter la synchronisation du réseau (tableau 3), qui était censé augmenter le nombre de stimuli par minute de temps.

En raison de la modification des paramètres, SNN a généré différentes données de sortie (SORTIES) avec différentes plages de fréquences (mesurées comme l'intervalle entre les stimuli, 3A ) et l'intensité (100% d'intensité du stimulus signifiait que les 64 carrés de la matrice 8x8 étaient activés, 3B ).

L'intervalle de fréquence pour la synchronisation du réseau pour SNN a été défini [0,25; 1] Hz. Un tel choix précis de ces valeurs a permis de neutraliser tout chevauchement de stimulations, puisque le protocole de stimulation dure 310 ms, et les BNN corticaux génèrent une synchronisation neuronale moyenne entre 0,1 et 1 Hz.

Le transfert d'informations (IT à partir de la transmission d'informations) entre SNN et BNN a été quantifié en tenant compte de la corrélation de la similitude entre les paires INPUT (SIP, 4A ) et de la similitude entre les paires OUTPUT (SOP,4C ).

Image n ° 4

En fin de compte, lorsque des informations sont transmises, deux entrées similaires pour le BNN doivent appeler deux modèles de sortie similaires dans le BNN.

Ensuite, la transmission d'informations a été évaluée sur 12 expériences avec différents paramètres (linéarité de la réponse du réseau, fréquence moyenne / intensité de stimulation, etc.; 5C - 5G ) et différentes métriques (coefficient d'entraînement BNN et coefficient de suppression de la synchronisation du réseau, SIP ont été mesurés par le coefficient Jacquard) .

La figure 4A montre la matrice d'affinité INPUT pour une expérience représentative au cours de laquelle environ 200 stimuli ont été délivrés du SNN au BNN.

Les SOP ont été calculés sur la base du réseau de réponse vectorielle BNN ( 4B ). En particulier, le nombre d'impulsions enregistrées par chaque électrode dans la fenêtre de temps T après la délivrance du stimulus SNN a été calculé. Ensuite, pour chaque stimulus, une caractéristique de réseau vectoriel (VNR, à gauche sur 4B ) a été construite et une matrice représentant SOP ( 4C ) a été calculée . De plus, la réponse du réseau scalaire (SNR) à chaque stimulus, calculée comme la somme des VNR (à droite sur 4B ), a été considérée.

Image n ° 5

Pour commencer, une évaluation a été faite de la variation du SNR en fonction de l'intensité du stimulus. Lors de l'examen de l'intégralité de la fenêtre de temps de réponse (500 ms) après le stimulus, il a été constaté que la réponse était ambiguë: le SNR était approximativement linéaire par rapport à l'intensité du stimulus avec une corrélation de 0,70, lorsque seules les réponses ne dépassant pas 1/8 du maximum étaient considérées, tandis que NR ont été répartis approximativement également au-dessus d'un tel seuil. De même, lorsqu'un temps de réponse plus court (50 ms) a été choisi et en se concentrant sur NR avec un seuil inférieur à 1/6 du maximum, une corrélation de 0,57 a été observée entre NR et l'intensité du stimulus.

Par conséquent, pour chaque expérience, la fenêtre de temps de réponse optimale T a été déterminée (de 1 à 50 ms, 5C - 5E) et le réseau de réponse de seuil optimal ( 5C ). De ce fait, il a été possible de maximiser le transfert d'informations entre SNN et BNN. Un transfert d'informations optimal a été obtenu dans 8 des 12 expériences ( 5G ).

Les scientifiques ont en outre examiné comment la transmission d'informations est liée à l'intensité et à la fréquence du stimulus du SNN, qui sont toutes deux formées par des synchronisations de réseau SNN spontanées qui imitent celles qui se produisent dans le BNN (image ci-dessous).

Image n ° 6

La transmission des informations était fortement corrélée à l'intensité moyenne du stimulus et montrait une courbe en forme de cloche en fonction de la fréquence moyenne du stimulus, qui atteignait un maximum à 0,56 Hz.

Les chercheurs notent également que des synchronisations de réseau spontanées en l'absence d'un stimulus externe peuvent également se produire, car elles ont examiné plus en détail la relation entre la synchronisation de réseau (NS) dans BNN et le transfert d'informations. Les NS spontanés dans le BNN (en l'absence de stimuli, c'est-à-dire lorsque la connexion entre le SNN et le BNN a été déconnecté) se sont produits avec une fréquence moyenne de 0,37 ± 008 Hz. Une forte corrélation a également été observée entre la suppression des NS et le transfert d'informations (image n ° 8).

Image n ° 7

La suppression spontanée des NS a été quantifiée comme le rapport entre la fréquence des NS BNN spontanés dans des conditions de base (c'est-à-dire lorsque les SNN et BNN étaient désactivés) sur la fréquence des NS spontanés lorsque la communication entre SNN et BNN était activée. Les NS spontanées en présence de stimuli provenant du SNN ont été considérées comme apparaissant au moins 500 ms après la livraison du dernier stimulus (image n ° 7).

Image n ° 8 Les

résultats généraux ont montré que le transfert d'informations ne peut être réalisé qu'avec une réponse linéaire des réponses du réseau aux stimuli. De plus, les meilleurs résultats ont été obtenus au cours de la première période de réaction, à savoir pendant les cent premières millisecondes à partir du début de la stimulation.

La valeur maximale du transfert d'informations a été obtenue lorsque la fréquence des stimuli était d'environ 0,56 Hz, ce qui n'est que légèrement supérieur à la fréquence des réseaux neuronaux biologiques (0,37 Hz).

Les résultats ci-dessus, selon l'auteur de l'étude, confirment la théorie selon laquelle l'activité BNN devrait être fortement emportée par les stimuli entrants du SNN afin de la traiter de manière fiable en mode linéaire.

Pour une connaissance plus détaillée des nuances de l'étude, je vous recommande de consulter le rapport des scientifiques et les documents supplémentaires qui s'y rapportent.

Épilogue

Cette étude a confirmé dans la pratique que la relation entre le réseau neuronal artificiel et le réseau réel est tout à fait possible. Bien sûr, comme les scientifiques l'admettent eux-mêmes, parmi les milliers de neurones utilisés dans les expériences, seules des centaines sont entrées en mode de synchronisation.

Comparer un réseau artificiel avec un réseau biologique est assez difficile. L'un des problèmes est la spontanéité, qui est inhérente aux vrais réseaux neuronaux biologiques. L'activité spontanée dans les neurones provoque une activité synchrone, qui correspond à un certain rythme, qui peut être affecté par la connexion entre les neurones, les types de neurones dans cette connexion, ainsi que leur capacité à s'adapter et à changer en raison de nouvelles conditions de travail. En d'autres termes, les réseaux de neurones sont parfois très imprévisibles lorsqu'ils créent un système de synchronisation aussi complexe, comme s'ils créaient de l'ordre dans le chaos.

Par conséquent, afin de réaliser la synchronisation des réseaux artificiels et biologiques, il était nécessaire d'ajuster l'artificiel à ce rythme. Au cours de l'étude, de bons résultats ont été obtenus dans cette affaire difficile, bien que plusieurs expériences infructueuses aient été nécessaires.

L'objectif principal de leur travail, les scientifiques appellent le développement de prothèses neurales capables de remplacer avec succès les zones endommagées du cerveau. Cela semble très futuriste, rappelant à distance le film "Johnny Mnemonics". Néanmoins, l'objectif est noble, et je veux donc croire que les auteurs de ce travail seront en mesure d'améliorer avec succès leur développement à l'avenir.

Merci de votre attention, restez curieux et bonne semaine de travail, mes amis! :)

Un peu de publicité :)

Merci de rester avec nous. Aimez-vous nos articles? Vous voulez voir des matériaux plus intéressants? Soutenez-nous en passant une commande ou en recommandant à vos amis des VPS basés sur le cloud pour les développeurs à partir de 4,99 $ , un analogue unique de serveurs d'entrée de gamme que nous avons inventés pour vous: Toute la vérité sur les VPS (KVM) E5-2697 v3 (6 cœurs) 10 Go DDR4 480 Go SSD 1 Gbit / s à partir de 19 $ ou comment diviser le serveur? (les options sont disponibles avec RAID1 et RAID10, jusqu'à 24 cœurs et jusqu'à 40 Go de DDR4).

Dell R730xd 2 fois moins cher au centre de données Equinix Tier IV à Amsterdam? Nous avons seulement 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV à partir de 199 $ aux Pays-Bas!Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - à partir de 99 $! En savoir plus sur la création d'un bâtiment d'infrastructure. classe c utilisant des serveurs Dell R730xd E5-2650 v4 coûtant 9 000 euros pour un sou?

Prothèse cérébrale: synchronisation des réseaux neuronaux artificiels et biologiques

Résultats de recherche

Épilogue

Un peu de publicité :)

More articles: