当前位置:首页 > 报告详情

SESSION 33 - Intelligent Neural Interfaces and Sensing Systems.pdf

上传人: 2*** 编号:155004 2024-02-04 541页 37.99MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了在ISSCC 2024上展示的关于智能神经接口和传感系统的研究进展。主要内容包括: 1. 提出了一种高精度、低功耗的零样本重训练癫痫检测处理器,通过混合特征驱动的自适应处理架构和片上学习,实现了43.8%的能耗降低和16.4%的准确率提升。 2. 提出了一种用于VR/MR头戴设备的脑活动监测和控制SoC,支持多种脑机接口应用,如情感跟踪、运动想象等。该SoC集成了16通道AFE和可重配置的神经处理单元,实现了亚微焦耳级的数字能耗。 3. 提出了一种用于脑机接口的192/512通道微型脑机接口芯片集,通过独特的神经编码方式实现了31类脑文本转换。该芯片集采用了65nm工艺,功耗仅为223μW。 4. 提出了一种用于记忆研究的闭环神经调节芯片网络,采用频率交错的前端和可解释的AI,在自由活动的猴子中进行了实验。该系统具有可扩展的网络拓扑,支持多环神经调节。 5. 提出了一种用于生物传感和刺激的毫米级无电池植入物,采用磁电效应进行无线能量传输和数据双向传输。该植入物采用脉冲宽度调制技术,实现了0.9pJ/b的无线数据传输效率。 6. 提出了一种用于生物阻抗测量的两电极读出IC,采用复相关基线消除技术,支持正弦激励。该IC实现了81.9dB的SNDR和12.5mW的功率消耗。 7. 提出了一种用于同时采集ExG和生物电流的混合记录系统,实现了10kHz带宽下630mVpp、84.6dB SNDR和173.3dB FOM SNDR的性能。 以上是本文的主要内容,引用了一些核心数据来支持关键点的论述。
如何在零样本重训练下实现高精度和低功耗的癫痫检测? 如何通过混合特征驱动的自适应处理架构实现高精度和低功耗的癫痫检测? 如何通过基于学习的自适应通道选择技术实现高精度和低功耗的癫痫检测?
客服
商务合作
小程序
服务号
折叠