Opis projektu
Neuroprotezy w nowym świetle
Neuroprotezy wykorzystują elektrody, by nawiązywać kontakt z układem nerwowym. Urządzenia te mogą zastępować lub uzupełniać sygnały wysyłane i odbierane przez układ nerwowy, aby przywracać prawidłowe działanie, na przykład przywracać wzrok osobie niewidomej. Badacze z finansowanego ze środków UE projektu NeuraViPeR stworzą neuroprotezę zawierającą tysiące elektrod i opracują adaptacyjne algorytmy uczenia maszynowego dla nowej technologii interfejsu mózg-komputer, która będzie wykorzystywana do stymulacji kory wzrokowej. Prace realizowane w ramach projektu obejmują utworzenie cienkich (~10 µm grubości, < 50 µm szerokości), elastycznych rurek minimalnie uszkadzających tkanki, jak również zaprojektowanie nowych powłok elektrod, które będą stabilne pomimo długotrwałej powtarzalnej stymulacji elektrycznej. Opracowywane algorytmy uczenia głębokiego przekształcą obraz z kamery we wzorce stymulacji dla kory.
Cel
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.
Dziedzina nauki
- 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
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-FETOPEN-2018-2019-2020-01
System finansowania
RIA - Research and Innovation actionKoordynator
8006 Zurich
Szwajcaria