In den Neurowissenschaften ist die parallele Erfassung einer großen Anzahl neuronaler Signale Grundlage für die medizinische Diagnostik, Neuroprothetik und für Brain-Computer-Interfaces. Die dazu erforderlichen Neuroimplantate müssen eine hohe Anzahl an Messwerten verlust- und fehlerfrei mit hoher räumlicher und zeitlicher Auflösung bereitstellen. Eine kabelgebundene invasive Ableitung von Hirnströmen führt zu mitunter schwerwiegenden Irritationen des Hirngewebes und Infektionen, so dass eine drahtlose Datenübertragung unbedingt erforderlich ist. Eine große Herausforderung ist hierbei die zu übertragende Datenmenge. Bei Nyquist-Abtastung von Neurosignalen – ausgehend von zukünftigen Elektrodenarrays mit 1000+ Elektroden – treten Rohdatenraten von über 200Mbit/s auf. Demgegenüber sind Übertragungsraten medizinisch zugelassener RF-Transceiver aktuell um den Faktor 400 geringer. Um diese Lücke zu schließen und gleichzeitig den beschränkten Energievorrat von Implantaten sowie die erforderliche geringe Verlustleistung zu berücksichtigen, sind Innovationen auf dem gesamten Signalpfad notwendig. Ein Ansatzpunkt ist die Reduktion der Datenmenge bereits bei der Digitalisierung ohne den Informationsgehalt zu verringern.

Kernziel dieses Projektes ist es daher, neuartige Algorithmen und Hardwarestrukturen für innovative A/D-Wandler zu entwickeln, die eine innere Struktur der zu erfassenden Signale bereits bei der Abtastung zur Reduktion der anfallenden Datenmenge ausnutzen und dabei möglichst energieeffizient sind. Als Lösungsansatz werden Verfahren des „Compressed Sensing“ und der „Finite Rate of Innovation“ auf neuronale Aktionspotentiale (AP) und lokale Feldpotentiale (LFP) angewendet. Dazu sind (a) signaltheoretische Grundlagen zu erarbeiten und (b) geeignete Hardwarestrukturen zu finden.

Aus der Signalverarbeitung werden die Theorien des „Compressed Sensing“ bzw. der „Finite Rate of Innovation“ im Hinblick auf Signalmodelle und Rekonstruktionsalgorithmen erweitert, um allgemeine Korrelationen zwischen Signalen gezielt auszunutzen. Darauf aufbauend werden geeignete Methoden für die effiziente Abtastung und Rekonstruktion von vielen parallel zu verarbeitenden Neurosignalen abgeleitet. Zudem wird die Möglichkeit einer kombinierten Erfassung und Verarbeitung von LFPs und APs untersucht. Die Realisierung darauf basierender A/D-Wandler erfordert zunächst die Identifikation der Modelle und Algorithmen, die sich effizient implementieren lassen. Dabei ist ein Kompromiss zwischen minimaler Datenrate und der vom A/D-Wandler benötigten Energie zu finden, um die neurophysiologischen Einschränkungen einzuhalten. Die Demonstration der neuen A/D-Wandlungsverfahren gemeinsam mit der Datenrekonstruktion erfolgt durch Integration in ein bestehendes neuronales Messsystem. Zu betonen ist, dass der Wandler als potentiell implantierbare, integrierte Schaltung in einem Standard CMOS Prozess realisiert und messtechnisch charakterisiert wird. Damit lassen sich die erzielbaren Vorteile des Compressed Sensing Prinzips bei der Datenkompression auch experimentell nachweisen.

Details