基于人脑结构的神经形态计算机可能会彻底改变我们未来的医疗设备。然而，它们的广泛使用受到需要使用外部训练软件来训练神经形态计算机的阻碍，这可能既耗时又低效。来自埃因霍温理工大学和美国西北大学的研究人员开发了一种新的神经形态生物传感器，能够在不需要外部训练的情况下进行片上学习。作为概念验证，研究人员使用生物传感器根据汗液样本诊断囊性纤维化。

　　“我们已经证明，我们可以创造出一种‘智能生物传感器’，它可以在不使用计算机或软件的情况下学会检测疾病，比如囊性纤维化。”这就是Eveline van Doremaele与来自TU/e的Yoeri van de Burgt，以及来自美国西北大学的Xudong Ji和Jonathan Rivnay一起总结他们的新论文的方式，该论文刚刚发表在《自然电子》杂志上，

　　他们研究的“智能生物传感器”是一种神经形态生物传感计算机——这种设备的操作灵感来自于人脑中神经元与其他神经元的交流方式。

　　“例如，神经形态计算可能对医疗保健产生重大影响，特别是当涉及到检查疾病或状况的护理点设备时，”van Doremaele说。“在我们的研究中，我们已经解决了在医疗保健中使用神经形态计算机的一个主要问题。”

　　伊芙琳·范·多勒梅莱

　　那么，van Doremaele和她的合作者解决了什么问题呢?“为了在医疗保健设备中的实际应用，神经形态技术需要具有低功耗要求，与传感器接口，并且易于训练使用。前两个问题可以用有机电子学来解决。但培训部分才是核心问题。”

　　到目前为止，神经形态芯片的神经网络将使用外部软件进行训练，这是一个耗时且能源效率低下的过程。“现在，我们的新芯片可以通过实时处理患者数据进行动态学习，这无疑加快了训练过程，并有助于促进芯片在真正的交互式生物应用中的使用，”研究人员说。

　　为了测试他们全新芯片的有效性，研究人员用它来测试遗传性疾病囊性纤维化。囊性纤维化是一种遗传性疾病，会损害器官，如肺和消化系统。

　　现有的一种检测这种疾病的方法是通过汗液测试，高水平的氯阴离子是囊性纤维化的一个指标。可靠的传感器已经可以用于测试囊性纤维化，所以这个测试为研究人员提供了一个易于检查的芯片学习传感器的案例研究。

　　“为了便于实施，我们没有使用真实的患者数据。相反，我们使用了健康捐献者的汗液样本，”van Doremaele说。“一份样本是供体汗液的阴性样本或健康样本，而另一份样本则准备了高浓度的氯阴离子。”

　　研究人员的神经形态生物传感器包括三个主要部分:传感器模块、硬件神经网络和输出分类部分。将一滴汗液加入传感器模块，然后用离子选择电极检测汗液中的氯化物和其他离子浓度。这些信号随后由神经形态芯片本身处理。最后，分析结果显示为绿色或红色，分别表示阴性或阳性结果。

　　神经形态生物传感芯片。图片来源:Eveline van Doremaele

　　在芯片被用于评估主要汗液样本之前，神经网络必须进入“数据健身房”并接受一些监督训练。

　　“我们制作了许多具有不同和已知离子浓度的汗液样本，然后在芯片上测试这些样本。如果芯片的测试结果是错误的，我们会对芯片进行修正，从而修正神经网络节点之间的权重，”van Doremaele说。“重要的是，我们在硬件本身上训练芯片。”

　　这是这项研究的主要进步——在芯片上训练神经网络的能力，而不需要任何外部软件。van Doremaele补充说:“当芯片被训练成感兴趣的问题时(这里从汗液样本中检测囊性纤维化)，就不需要进一步的外部控制或干预。”

　　此外，即使经过训练，芯片也可以用于解决其他问题。“假设你想在智能假肢或手臂上使用相同的神经网络硬件。在这种情况下，你所要做的就是在‘数据健身房’用手或手臂运动的信息重新训练神经网络，”van Doremaele说。

　　这种新的片上学习方法开辟了个性化植入式神经网络的可能性，最终用户可以通过直接使用来自用户的数据进行训练。“这种训练用于医疗保健的神经网络的方法可能对人类产生重大影响，有朝一日可能会提供一种实时训练芯片来控制假肢或其他类似设备的方法。”真正的新奇之处在于芯片可以学习和适应它们的应用和环境。它们不需要像今天这样事先设定好程序。”

　　/TU/e公开发布。来自原始组织/作者的材料可能具有时点性质，并根据清晰度，风格和长度进行了编辑。海市蜃楼。新闻不受机构限制

　　所有的位置或侧面，以及所有的视图、位置等

　　此处表达的结论仅代表作者的观点。点击此处查看全文。