Neuro-Headstage with On-Chip Machine Learning and Wireless Charging for Closed-Loop Neurobiological Applications
Notice bibliographique
Résumé
This paper presents a novel wireless electrooptic headstage for long-term, autonomous neurobiological experiments. The system features a custom mixed-signal SoC, fabricated in <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$0.13-\mu \mathrm{m}$</tex> CMOS technology, and enables lowlatency closed-loop neural stimulation (<tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$\leq 0.6 ~\text{ms}$</tex>) triggered by complex neural firing patterns. A wireless inductive power link supports continuous operation in freely moving models without frequent recharging. At its core, the Adaptive Autonomous Neural Integrated Circuit (AANIC) provides dual site optogenetic stimulation and multi-unit electrophysiology recording (10 channels), allowing simultaneous stimulation and recording across brain regions. The system offers a tunable bandwidth <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$(1-6500 ~\text{Hz})$</tex> and high-fidelity signal processing, achieving an ENOB of 8.68 with a Delta-Sigma converter at an OSR of 25. In vivo tests demonstrate successful seizure suppression in a mouse model of temporal lobe epilepsy via closed-loop activation of ChR2-expressing inhibitory interneurons. In addition, wireless charging functionality was validated in freely moving mice, marking a step toward chronic studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».