Dissertação
Continuous Time Neural Signal Processing in Embedded Platforms EVALUATED
Quando se adquire o sinal elétrico do cérebro ao nível extracelular, um processo de classificação é necessário para atribuir cada potencial de ação detetado ao neurónio que o originou. A tendência atual é para a inclusão deste processo de classificação no próprio implante invasivo, junto com os elétrodos. Esta abordagem exige o uso de algoritmos de classificação eficientes de modo a minimizar o consumo energético e a dimensão do implante. Com este trabalho estudei a possibilidade da conversão do sinal em tempo contínuo, e a utilização de um circuito assíncrono para implementar o algoritmo de classificação, melhorar a eficiência destes implantes neuronais, sem detrimento para a eficácia da classificação. Revelo que, devida à atividade esparsa dos potenciais de ação, menos amostras são produzidas por esquemas de amostragem impulsionada pela atividade do próprio sinal, como o seja amostragem por passagem de nível, sem necessariamente perda de informação sobre potenciais de ação. Dos produtos em tempo contínuo da amostragem por passagem de nível, eu proponho a extração de 4 simples descritores, passíveis de serem extraídos economicamente, que se revelam capazes de produzir resultados de classificação semelhantes a um outro método de referência. O trabalho termina com uma demonstração do sistema proposto para a classificação de potenciais de ação, implementado numa FPGA.
dezembro 5, 2016, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
