Projektbeschreibung
Neuroprothesen in neuem Licht betrachtet
Neuroprothesen vernetzen sich über Elektroden mit dem Nervensystem. Diese Vorrichtungen können die Eingangs- bzw. Ausgangssignale des Nervensystems ergänzen oder ersetzen und dadurch Funktionen wiederherstellen, wie z. B. die visuelle Wahrnehmung von Erblindeten. Das EU-finanzierte Projekt NeuraViPeR wird eine Neuroprothese mit mehreren Tausend Elektroden bauen und adaptive Algorithmen für maschinelles Lernen entwickeln, um eine neue Gehirn-Computer-Schnittstellentechnologie zu ermöglichen, die zur Stimulation des visuellen Cortex eingesetzt werden kann. Die Arbeit des Projekts umfasst die Herstellung von flexiblen, dünnen Sonden (ca. 10 µm dick und bis zu 50 µm breit), die nur geringfügige Gewebeschäden verursachen, sowie die Entwicklung neuartiger Elektrodenbeschichtungen, die auch bei langfristiger und wiederholter elektrischer Stimulation stabil bleiben. Die zur Entwicklung angepeilten Algorithmen für tiefes Lernen werden Kamerabilder in Stimulationsmuster für den Cortex umwandeln können.
Ziel
Approaches that aim to restore vision for blind individuals with electrical stimulation of the brain have hit a technology wall. Existing systems only stimulate a small set of neurons in the brain, and interfaces have a longevity of only a few months. NeuraViPeR aims to lay ground-breaking foundation for a radically new paradigm which consists not only of constructing a neuroprosthesis with thousands of electrodes but also the creation of adaptive machine learning algorithms for a new brain-computer interfacing technology, which will remain safe and effective for decades. Several technological breakthroughs will be established. First, innovative approaches for stimulation with high-electrode-count interfacing with the visual cortex; creating thin (~10 µm thick, < 50 µm wide) flexible probes that cause minimal tissue damage; new electrode coatings that will be stable in spite of long-term repeated electrical stimulation; and novel microchip methods for combining online channeling of the stimulation currents to many thousands of electrodes, combined with monitoring of neuronal activity in higher cortical areas. Second, new deep learning algorithms that transform the camera footage into stimulation patterns for the cortex and that use feedback on recorded brain states and eye tracking to improve perception in a closed-loop approach. The algorithms will extract maximally relevant information to enable blind individuals to recognize objects and facial expressions and navigate through unfamiliar environments. The software algorithms will be translated onto low-latency, power-efficient neuromorphic deep learning hardware, to create a neuroprosthesis system that is lightweight, robust, and portable. NeuraViPeR will tackle these challenges through interdisciplinary teams with complementary expertise in computational, systems and clinical neuroscience, materials engineering, microsystems design, and deep learning.
Wissenschaftliches Gebiet
- natural sciencesbiological sciencesneurobiology
- natural sciencescomputer and information sciencessoftware
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringsensorsoptical sensors
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- medical and health sciencesmedical biotechnologyimplants
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-FETOPEN-2018-2019-2020-01
Finanzierungsplan
RIA - Research and Innovation actionKoordinator
8006 Zurich
Schweiz