类脑计算前沿：基于有机电化学网络的生物信号分类

导语

AI在医疗界应用广泛。近日，发表在 Science Advances 的一篇论文，通过受大脑启发的神经网络算法研发的可穿戴设备，可以更低的能耗实时监控血液流动，发现微弱生物信号中的异常模式。该研究表明，基于硬件的人工神经网络能够在没有标记数据时，通过可穿戴设备检出潜在疾病和异常。

研究领域：类脑计算，人工神经网络，医疗人工智能，在线实时计算

郭瑞东 | 作者

梁金 | 审校

邓一雪 | 编辑

论文题目：

Reservoir computing with biocompatible organic electrochemical networks for brain-inspired biosignal classification

论文链接：

https://advances.sciencemag.org/content/7/34/eabh0693

在患病早期发现患者体内生物信号中的恶性模式，可以挽救数百万人的生命。尽管AI在医疗界已有很多展示性的应用，例如基于人工神经网络，对影像数据或心电图数据进行分类。然而这些应用局限于“离线式”（offline）的数据分析，无法对潜在病患进行实时跟踪。理想情况是，在人体内植入类似心脏起搏器的装置，及时对数据进行分析。然而，当前神经网络所需的计算量、能耗及产生的热量，都是难以克服的困难。

近年新的方法，可以基于纯硬件的架构，即忆阻器（memristor）*阵列实现神经网络的计算。另一种新技术是储备池计算（Reseviour computating），其设置了一个潜在的池子，其中包含很多随机的未训练的非线性神经元。在该架构下，存储和计算是不可分的，这时一组无序、反复出现的神经元在训练过程中的行为，类似人脑中皮质柱的行为。故储备池计算被看成是类脑计算的一种，其架构受到人脑启发。

*注释：忆阻器是表示磁通与电荷关系的电路器件。忆阻具有电阻的量纲，但阻值由流经的电荷确定。基于忆阻的随机存储器的集成度、功耗、读写速度都比传统的随机存储器优越。忆阻被认为是硬件实现人工神经网络突触的最好方式。

该研究用到的另一项技术，是有机电化学晶体管（Organic Electrochemical Transistor，OECT）。它能够以更小的能耗、对生物体更兼容的方式，对铁离子的局部浓度变化做出响应。该研究使用有机电化学晶体管构建储备池（图1A）。其中包含激发型和抑制型的节点（图1B），其输入是生物电信号（图1C），输出是储备池记录的状态（图1D），图E和F分别是输入和输出信号傅里叶变换的结果。图1G展示了储备池网络中的短期记忆，由于其存储和计算一体，故储备池网络能够以更低的能耗运行。

图1. 储备池网络的非线性转换

具体的实物如图2C所示，是贴在手指上如创可贴一样的金属片，具有重量轻、非侵入式、低能耗（其能耗相当于心脏起搏器）等优势。其计算架构如图2A所示，为了对信号进行非线性变化，会在260微秒的延迟后，将增强后的信号输入，最后得出实时分类。该神经网络的非线性变化甚至可以放大医生无法觉察的心电信号变化。

图2B展示了分类效果，将心跳根据心电图分为4类，其中N为正常的心跳，其它是三种常见的心律失常，可见对于不同类型，准确性在85%~92%之间，平均准确率为88%，表现不错。该应用可以用于监测心律失常或手术后并发症，并通过智能手机向医生和患者报告，从而获得快速医疗援助。

图2. 基于储备池网络的心跳分类的架构、效果和实物

该研究讨论中，作者写到，在将该架构应用到心电图数据分类之前，使用类似架构对图像数据、时间序列数据进行了预测，准确性分别达到97%和96%，他们还在生物流监控中进行了尝试。这说明了储备池运算这种架构，由于其中包含了大量的复杂非线性转换，而具有巨大潜力（模型容量）。该研究的成果，不仅成功地实时解决了复杂的分类任务，而且我们还有可能在人体内完成这一任务。这种方法将使未来进一步开发医疗监控智能系统成为可能，这将有助于拯救人类。

复杂科学最新论文

集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「集智斑图」推送论文信息。扫描下方二维码即可一键订阅：

推荐阅读

点击“阅读原文”，追踪复杂科学顶刊论文