- ພາສາລາວ
-
EnglishDeutschItaliaFrançais한국의русскийSvenskaNederlandespañolPortuguêspolskiSuomiGaeilgeSlovenskáSlovenijaČeštinaMelayuMagyarországHrvatskaDanskromânescIndonesiaΕλλάδαБългарски езикGalegolietuviųMaoriRepublika e ShqipërisëالعربيةአማርኛAzərbaycanEesti VabariikEuskeraБеларусьLëtzebuergeschAyitiAfrikaansBosnaíslenskaCambodiaမြန်မာМонголулсМакедонскиmalaɡasʲພາສາລາວKurdîსაქართველოIsiXhosaفارسیisiZuluPilipinoසිංහලTürk diliTiếng ViệtहिंदीТоҷикӣاردوภาษาไทยO'zbekKongeriketবাংলা ভাষারChicheŵaSamoa日本語SesothoCрпскиKiswahiliУкраїнаनेपालीעִבְרִיתپښتوКыргыз тилиҚазақшаCatalàCorsaLatviešuHausaગુજરાતીಕನ್ನಡkannaḍaमराठी
E-mail:Info@YIC-Electronics.com
ນັກວິທະຍາສາດສ້າງຊິບປອມ Neuron ທີ່ສາມາດຮັບຮູ້ສັນຍານຊີວະວິທະຍາໃນເວລາຈິງ
ທີມງານຄົ້ນຄ້ວາຈາກ Zurich ໄດ້ພັດທະນາອຸປະກອນທີ່ມີພະລັງງານທີ່ຫນາແຫນ້ນ, ມີພະລັງງານທີ່ເຮັດດ້ວຍລະບົບປະທຽມທີ່ສາມາດເຮັດໃຫ້ຄື້ນຟອງສະຫມອງ. ຊິບນໍາໃຊ້ຂໍ້ມູນທີ່ບັນທຶກໄວ້ຈາກຄື້ນສະຫມອງທີ່ມີໂຣກບ້າຫມູເພື່ອກໍານົດເຂດທີ່ມີການຊັກ. ນີ້ເປີດການຄາດຕະກໍາການສະຫມັກໃຫມ່ສໍາລັບການປິ່ນປົວ.
Algorithms Neural ໃນປະຈຸບັນຜະລິດຜົນໄດ້ຮັບທີ່ຫນ້າປະທັບໃຈແລະຊ່ວຍແກ້ໄຂບັນຫາຈໍານວນທີ່ຫນ້າປະຫລາດໃຈ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ອຸປະກອນເອເລັກໂຕຣນິກທີ່ໃຊ້ໃນການແລ່ນສູດການຄິດໄລ່ເຫລົ່ານີ້ຍັງຕ້ອງການໄຟຟ້າທີ່ມີປະມວນຜົນໃຫຍ່. ໃນເວລາທີ່ມັນມາກັບການປຸງແຕ່ງທີ່ໃຊ້ເວລາຈິງຂອງຂໍ້ມູນຂ່າວສານທີ່ມີຄວາມຮູ້ສຶກຫຼືສະພາບແວດລ້ອມ, ປັນຍາຂອງປັນຍາປະດິດ (AI) ພຽງແຕ່ບໍ່ສາມາດແຂ່ງຂັນກັບສະຫມອງຕົວຈິງໄດ້. ແລະວິສະວະກໍາ neuromorphic ແມ່ນວິທີການໃຫມ່ທີ່ດີທີ່ສ້າງຂົວລະຫວ່າງປັນຍາປະດິດແລະຄວາມສະຫຼາດທາງທໍາມະຊາດ.
ທີມງານຄົ້ນຄ້ວາວິທະຍາໄລທີ່ມະຫາວິທະຍາໄລ Zurich, ໂຮງຫມໍມະຫາວິທະຍາໄລແລະໂຮງຫມໍມະຫາວິທະຍາໄລໄດ້ໃຊ້ສັນຍາລັກ neuromorphic ທີ່ສາມາດກໍານົດສັນຍານຊີວະພາບທີ່ສັບສົນແລະຖືກຕ້ອງ. ນັກວິທະຍາສາດສາມາດນໍາໃຊ້ເຕັກໂນໂລຢີນີ້ເພື່ອກວດພົບຜົນສໍາເລັດໃນເມື່ອກ່ອນໄດ້ບັນທຶກສຽງທີ່ມີຄວາມຖີ່ສູງ (HFO). ຄື້ນຟອງສະເພາະເຫລົ່ານີ້, ການວັດແທກໂດຍໃຊ້ eleracranial Electoruchaphoilography (IEEG), ໄດ້ພິສູດໃຫ້ເຫັນວ່າມັນເປັນສິ່ງທີ່ສົ່ງເສີມເນື້ອເຍື່ອໃນການກໍານົດການຊັກຂອງສະຫມອງທີ່ເຮັດໃຫ້ເກີດການຊັກ.
ນັກຄົ້ນຄວ້າໄດ້ຖືກອອກແບບໄດ້ຖືກອອກແບບໃຫ້ເປັນຕົວແທນວິທະຍາສາດເພື່ອກວດພົບ HFO ໂດຍການຈໍາລອງເຄືອຂ່າຍ neural ທໍາມະຊາດຂອງສະຫມອງ: ຂະຫນາດນ້ອຍທີ່ເອີ້ນວ່າເຄືອຂ່າຍທີ່ມີຂະຫນາດນ້ອຍໆ (SNN). ຂັ້ນຕອນທີສອງແມ່ນການຈັດຕັ້ງປະຕິບັດ snn ໃນຮາດແວທີ່ມີຂະຫນາດເລັບທີ່ໄດ້ຮັບສັນຍານ neural ຜ່ານ electrodes. ບໍ່ຄືກັບຄອມພິວເຕີ້ແບບດັ້ງເດີມ, ມັນມີປະສິດທິພາບພະລັງງານໃຫຍ່. ນີ້ເຮັດໃຫ້ການຄິດໄລ່ທີ່ມີການແກ້ໄຂບັນຫາທີ່ສູງທີ່ສຸດທີ່ສຸດເທົ່າທີ່ເປັນໄປໄດ້ໂດຍບໍ່ຕ້ອງອາກາດໃນຄອມພິວເຕີ້ອິນເຕີເນັດຫຼືຟັງ.
Giacomo Indiveri, ອາຈານສອນທີ່ສະຖາບັນຂອງ Neuroinformatics ທີ່ມະຫາວິທະຍາໄລ Zurich, ກ່າວວ່າ, "ການອອກແບບຂອງພວກເຮົາອະນຸຍາດໃຫ້ພວກເຮົາຮັບຮູ້ຮູບແບບທາງດ້ານວິທະຍາສາດໃນເວລາທີ່ແທ້ຈິງ."
ດຽວນີ້ນັກຄົ້ນຄວ້າກໍາລັງວາງແຜນທີ່ຈະໃຊ້ຜົນການຄົ້ນພົບຂອງພວກເຂົາເພື່ອສ້າງລະບົບເອເລັກໂຕຣນິກເພື່ອລະບຸແລະຕິດຕາມ HFOs ໃນເວລາຈິງ. ເມື່ອໃຊ້ເປັນເຄື່ອງມືວິນິດໄສເພີ່ມເຕີມໃນຫ້ອງປະຕິບັດການ, ລະບົບສາມາດປັບປຸງຜົນໄດ້ຮັບຂອງການແຊກແຊງທາງ neurosurgical.
ເຖິງຢ່າງໃດກໍ່ຕາມ, ນີ້ບໍ່ແມ່ນບໍລິເວນດຽວທີ່ HCO ການກໍານົດ HCO ສາມາດມີບົດບາດສໍາຄັນ. ເປົ້າຫມາຍໄລຍະຍາວຂອງທີມງານແມ່ນການພັດທະນາອຸປະກອນສໍາລັບການຕິດຕາມພະຍາດໂຣກບ້າຫມູທີ່ສາມາດໃຊ້ໄດ້ຢູ່ນອກໂຮງຫມໍໄດ້ມີສັນຍານຂອງໄຟຟ້າເປັນຈໍານວນຫລາຍພາຍໃນສອງສາມອາທິດຫຼືເດືອນ.
Johannes Sarnthein, Neurophysiologist ທີ່ໂຮງຫມໍມະຫາວິທະຍາໄລ Zurich, ອະທິບາຍວ່າ: "ພວກເຮົາຕ້ອງການເຊື່ອມໂຍງການສື່ສານຂໍ້ມູນທີ່ມີສາຍໃນພະລັງງານຕໍ່າໃນການອອກແບບ - ເພື່ອເຊື່ອມຕໍ່ກັບໂທລະສັບມືຖື. ຊິບທີ່ມີການພົກພາຫຼືສາມາດປູກໄດ້ຫຼືບໍ່ສາມາດປູກໄດ້ແບບນີ້ສາມາດຮັບຮູ້ອັດຕາທີ່ມີການຊັກສູງຂື້ນ. ໄລຍະເວລາສູງຫຼືຕໍ່າ, ເຊິ່ງຈະຊ່ວຍໃຫ້ພວກເຮົາສາມາດໃຫ້ຢາສ່ວນຕົວ. "
ທີມງານຄົ້ນຄ້ວາວິທະຍາໄລທີ່ມະຫາວິທະຍາໄລ Zurich, ໂຮງຫມໍມະຫາວິທະຍາໄລແລະໂຮງຫມໍມະຫາວິທະຍາໄລໄດ້ໃຊ້ສັນຍາລັກ neuromorphic ທີ່ສາມາດກໍານົດສັນຍານຊີວະພາບທີ່ສັບສົນແລະຖືກຕ້ອງ. ນັກວິທະຍາສາດສາມາດນໍາໃຊ້ເຕັກໂນໂລຢີນີ້ເພື່ອກວດພົບຜົນສໍາເລັດໃນເມື່ອກ່ອນໄດ້ບັນທຶກສຽງທີ່ມີຄວາມຖີ່ສູງ (HFO). ຄື້ນຟອງສະເພາະເຫລົ່ານີ້, ການວັດແທກໂດຍໃຊ້ eleracranial Electoruchaphoilography (IEEG), ໄດ້ພິສູດໃຫ້ເຫັນວ່າມັນເປັນສິ່ງທີ່ສົ່ງເສີມເນື້ອເຍື່ອໃນການກໍານົດການຊັກຂອງສະຫມອງທີ່ເຮັດໃຫ້ເກີດການຊັກ.
ນັກຄົ້ນຄວ້າໄດ້ຖືກອອກແບບໄດ້ຖືກອອກແບບໃຫ້ເປັນຕົວແທນວິທະຍາສາດເພື່ອກວດພົບ HFO ໂດຍການຈໍາລອງເຄືອຂ່າຍ neural ທໍາມະຊາດຂອງສະຫມອງ: ຂະຫນາດນ້ອຍທີ່ເອີ້ນວ່າເຄືອຂ່າຍທີ່ມີຂະຫນາດນ້ອຍໆ (SNN). ຂັ້ນຕອນທີສອງແມ່ນການຈັດຕັ້ງປະຕິບັດ snn ໃນຮາດແວທີ່ມີຂະຫນາດເລັບທີ່ໄດ້ຮັບສັນຍານ neural ຜ່ານ electrodes. ບໍ່ຄືກັບຄອມພິວເຕີ້ແບບດັ້ງເດີມ, ມັນມີປະສິດທິພາບພະລັງງານໃຫຍ່. ນີ້ເຮັດໃຫ້ການຄິດໄລ່ທີ່ມີການແກ້ໄຂບັນຫາທີ່ສູງທີ່ສຸດທີ່ສຸດເທົ່າທີ່ເປັນໄປໄດ້ໂດຍບໍ່ຕ້ອງອາກາດໃນຄອມພິວເຕີ້ອິນເຕີເນັດຫຼືຟັງ.
Giacomo Indiveri, ອາຈານສອນທີ່ສະຖາບັນຂອງ Neuroinformatics ທີ່ມະຫາວິທະຍາໄລ Zurich, ກ່າວວ່າ, "ການອອກແບບຂອງພວກເຮົາອະນຸຍາດໃຫ້ພວກເຮົາຮັບຮູ້ຮູບແບບທາງດ້ານວິທະຍາສາດໃນເວລາທີ່ແທ້ຈິງ."
ດຽວນີ້ນັກຄົ້ນຄວ້າກໍາລັງວາງແຜນທີ່ຈະໃຊ້ຜົນການຄົ້ນພົບຂອງພວກເຂົາເພື່ອສ້າງລະບົບເອເລັກໂຕຣນິກເພື່ອລະບຸແລະຕິດຕາມ HFOs ໃນເວລາຈິງ. ເມື່ອໃຊ້ເປັນເຄື່ອງມືວິນິດໄສເພີ່ມເຕີມໃນຫ້ອງປະຕິບັດການ, ລະບົບສາມາດປັບປຸງຜົນໄດ້ຮັບຂອງການແຊກແຊງທາງ neurosurgical.
ເຖິງຢ່າງໃດກໍ່ຕາມ, ນີ້ບໍ່ແມ່ນບໍລິເວນດຽວທີ່ HCO ການກໍານົດ HCO ສາມາດມີບົດບາດສໍາຄັນ. ເປົ້າຫມາຍໄລຍະຍາວຂອງທີມງານແມ່ນການພັດທະນາອຸປະກອນສໍາລັບການຕິດຕາມພະຍາດໂຣກບ້າຫມູທີ່ສາມາດໃຊ້ໄດ້ຢູ່ນອກໂຮງຫມໍໄດ້ມີສັນຍານຂອງໄຟຟ້າເປັນຈໍານວນຫລາຍພາຍໃນສອງສາມອາທິດຫຼືເດືອນ.
Johannes Sarnthein, Neurophysiologist ທີ່ໂຮງຫມໍມະຫາວິທະຍາໄລ Zurich, ອະທິບາຍວ່າ: "ພວກເຮົາຕ້ອງການເຊື່ອມໂຍງການສື່ສານຂໍ້ມູນທີ່ມີສາຍໃນພະລັງງານຕໍ່າໃນການອອກແບບ - ເພື່ອເຊື່ອມຕໍ່ກັບໂທລະສັບມືຖື. ຊິບທີ່ມີການພົກພາຫຼືສາມາດປູກໄດ້ຫຼືບໍ່ສາມາດປູກໄດ້ແບບນີ້ສາມາດຮັບຮູ້ອັດຕາທີ່ມີການຊັກສູງຂື້ນ. ໄລຍະເວລາສູງຫຼືຕໍ່າ, ເຊິ່ງຈະຊ່ວຍໃຫ້ພວກເຮົາສາມາດໃຫ້ຢາສ່ວນຕົວ. "