Reservoir computing with biocompatible organic electrochemical networks for brain-inspired biosignal classification.
Reservoir computing with biocompatible organic electrochemical networks for brain-inspired biosignal classification.
复制标题
DOI：
10.1126/sciadv.abh0693
复制
发表时间：
2021-08
期刊：
影响因子：
13.6
通讯作者：
Leo K
中科院分区：
文献类型：
--
作者：
Cucchi M;Gruener C;Petrauskas L;Steiner P;Tseng H;Fischer A;Penkovsky B;Matthus C;Birkholz P;Kleemann H;Leo K
生物兼容人工神经网络可以监测和识别生物信号中的恶意模式。及早发现患者生物信号中的恶性模式可以拯救数百万人的生命。尽管基于人工智能的技术正在稳步改进，但这些方法的实际临床应用大多局限于对患者数据的离线评估。以前的研究已经确定有机电化学装置是生物信号监测的理想候选者。然而，它们在实时模式识别中的应用从未得到证明。在这里，我们产生并表征了由有机电化学晶体管组成的大脑启发网络，并将它们用于时间序列预测和使用水库计算方法的分类任务。为了展示它们在生物体液监测和生物信号分析方面的潜在用途，我们将心律失常的心跳分类为四类，准确率为88%。这项研究的结果为生物兼容计算平台引入了一个以前从未探索过的范例，并可能使开发能够与体液和生物组织相互作用的超低功耗基于硬件的人工神经网络成为可能。
Biocompatible artificial neural networks allow the monitoring and recognition of malign patterns in biosignals. Early detection of malign patterns in patients’ biological signals can save millions of lives. Despite the steady improvement of artificial intelligence–based techniques, the practical clinical application of these methods is mostly constrained to an offline evaluation of the patients’ data. Previous studies have identified organic electrochemical devices as ideal candidates for biosignal monitoring. However, their use for pattern recognition in real time was never demonstrated. Here, we produce and characterize brain-inspired networks composed of organic electrochemical transistors and use them for time-series predictions and classification tasks using the reservoir computing approach. To show their potential use for biofluid monitoring and biosignal analysis, we classify four classes of arrhythmic heartbeats with an accuracy of 88%. The results of this study introduce a previously unexplored paradigm for biocompatible computational platforms and may enable development of ultralow–power consumption hardware-based artificial neural networks capable of interacting with body fluids and biological tissues.
登录
查看更多内容
DOI：
10.1109/jbhi.2014.2332001
发表时间：
2015-05-01
影响因子：
7.7
作者：
Angel Escalona-Moran, Miguel;Soriano, Miguel C.;Mirasso, Claudio R.
通讯作者：
Mirasso, Claudio R.
影响因子：
16.6
作者：
Liu, Zhengwu;Tang, Jianshi;Wu, Huaqiang
通讯作者：
Wu, Huaqiang
影响因子：
16.6
作者：
Koizumi Y;Shida N;Ohira M;Nishiyama H;Tomita I;Inagi S
通讯作者：
Inagi S
影响因子：
25
作者：
Mariño, J;Schummers, J;Sur, M
通讯作者：
Sur, M
DOI：
10.1109/101.8118
发表时间：
1988-09-01
期刊：
IEEE CIRCUITS AND DEVICES MAGAZINE
影响因子：
--
作者：
HOPFIELD, JJ
通讯作者：
HOPFIELD, JJ