Embedded platform for neural recording and real-time template matching

Abstract

O cérebro humano constitui uma das estruturas organizadas mais complexas de que se tem conhecimento, sendo por isso alvo de um interesse crescente no sentido de atingir uma maior compreensão acerca das suas múltiplas funções. Os progressos obtidos ao longo dos últimos anos na perceção funcional do cérebro são devidos essencialmente à analise da atividade elétrica neuronal obtida através de métodos como o EEG, ECoG, MEG e medições intracorticais. Os sinais elétricos obtidos através de técnicas como EEG, ECoG, MEG correspondem a versões atenuadas de LFP que apesar de fornecerem importantes informações sobre o comportamento coletivo de um certo agregado de neurónios, pouco nos permitem saber sobre a atividade unitária dos neurónios que geram o sinal. Em alternativa, as medições intracorticais permitem obter não só LFP mas também informação sobre a atividade unitária de cada neurónio, sendo por isso um método com interesse crescente na comunidade científica. Durante a aquisição de sinais extracelulares, cada elétrodo regista o sinal originado em vários neurónios simultaneamente. Para aplicações como a investigação no âmbito da neurociência, o processo de Spike Sorting é crucial para o processamento de sinais neuronais. Esta técnica permite obter a atividade elétrica de cada neurónio individualmente e classificar os potenciais de ação registados de acordo com os neurónios a partir dos quais são originários. Os algoritmos de Spike Sorting implementados em hardware têm de ser precisos, automáticos, permitirem uma performance em tempo-real e serem simples em termos computacionais de forma a serem compatíveis com as limitações de potência impostas pelo hardware. Neste projeto foi desenvolvida uma plataforma para a aquisição de dados neuronais e realização de Spike Sorting em tempo real. A identificação dos potenciais de ação detetados tem por base uma técnica que procede à comparação destes sinais com modelos pré-defnidos e armazenados no sistema, i.e Template Matching. O sistema apresentado é constituído por três componentes: (i) uma placa de aquisição de sinais neuronais, (ii) uma interface gráfica para proceder à extração dos templates a partir de sinais neuronais e apresentar a identificação dos potenciais de ação em tempo real, e ainda (iii) um firmware baseado no microcontrolador KL26Z que procede à classificação dos potenciais de ação em tempo real. Todos os sub-blocos foram integrados para que o sinal neuronal adquirido fosse processado em tempo real e os potenciais de ação detetados fossem identificados durante as medições recorrendo a Template Matching. O sistema descrito fornece uma ferramenta importante para a investigação funcional do cérebro, uma vez que apresenta uma placa de amplificação para a aquisição de sinais neuronais que permite medir não só a componente de alta frequência dos sinais neuronais, i.e. potenciais de ação, mas também a componente de baixa frequência, i.e. LFP. O circuito de amplificação apresenta um ganho decimal de 250 e é constituído por dois estados, sendo o primeiro estado um amplificador de baixo ruído, com ganho de 100, e o segundo estado responsável pela amplificação e filtragem do sinal com um ganho de 2.5 e uma largura de banda de 1Hz a 11kHz ou 300Hz a 11kHz dependendo da necessidade do utilizador. Devido à reduzida amplitude característica dos sinais neuronais, o design do amplificador neuronal atendeu a um requisito fundamental: ser uma plataforma de baixo ruído de forma a permitir a resolução de potenciais de ação com baixas amplitudes. Um aspeto importante utilizado para minimizar o ruído prende-se com o facto do primeiro estado ter um ganho suficientemente alto de forma a tornar negligenciável as contribuições do segundo estado. O circuito de amplificação deve ainda utilizar acoplamento capacitivo de forma a eliminar o deslocamento do sinal devido à interface elétrodo-tecido. Aspetos como apresentar uma boa linearidade, i.e. TDH<1%, e uma largura de banda suficiente são também de extrema importância para evitar a deformação ou perda das características dos potenciais de ação. Durante a fase de testes ao sistema comprovou-se que este apresentava um baixo nível de ruído, 5.2µVRMS, e uma boa linearidade uma vez que o valor de THD obtido foi de 0.47%. Depois do sinal ser amplificado e filtrado na placa de aquisição é necessário proceder à sua conversão de analógico para digital que ocorre no microcontrolador. No que diz respeito ao software do sistema, este pode ser dividido em dois blocos: uma interface gráfica construída recorrendo ao software MATLAB que permite a extração dos templates e apresenta a identificação dos potenciais de ação em tempo real, e ainda um firmware baseado no microcontrolador KL26Z que procede à classificação dos potenciais de ação em tempo real. A interface gráfica consiste numa única janela que permite ao utilizador controlar o funcionamento do sistema. Numa primeira fase é necessário proceder à sua calibração de forma a extrair os templates e obter o limiar de deteção. Para isso são adquiridos dois segundos de sinal neuronal que são processados usando a técnica de Template Matching. Os potenciais de ação encontrados são agrupados mediante a forma da onda que apresentam, correspondendo a onda média de cada conjunto aos vários templates. Estes são depois exibidos na interface gráfica e sujeitos à avaliação do utilizador que pode escolher quais os templates devem ser guardados no sistema e rejeitar sinais que correspondam a picos ocasionais de ruído. Depois de terminada a calibração, os templates e o limiar de deteção são enviados para o microcontrolador KL26Z onde ocorre a identificação dos potenciais de ação em tempo real. A identicação é realizada recorrendo uma vez mais à técnica de Template Matching, em que os potenciais de ação detetados são comparados com os templates guardados no sistema. Os resultados desta operação são enviados e exibidos em tempo real na interface gráfica. Este método é automático e apresenta baixa complexidade computacional, sendo por isso adequado para a implementação em hardware. O sistema foi testado utilizando dados neuronais simulados de forma a poder analisar a performance do sistema. A sensibilidade de deteção apresentada foi de 92%, sendo que apenas 2% dos potenciais de ação detetados não foram identificados. Note-se que no futuro, de forma a verificar se o sistema mantém esta performance, é necessário proceder a testes com dados neuronais reais.

The analysis of electrical signals recorded from the brain has been a major force behind the progress in our understanding of this organ. Intracortical neural recording has been experimentally proved to be effective for providing information about the cooperative actions of neurons since it provides not only the experimenter with LFP measurements but also with unit activity of neurons. In this method, a single electrode often receives electrical signals from multiple neurons simultaneously. For applications such as neural prosthetics and neuroscience research spike sorting is a critical step in neural signal processing. This technique allows us to obtain single-unit activity and classify recorded action potentials according to the neurons from which they originate and therefore, greatly reduce the required data bandwidth without loose critical info about neural spikes. This project is aimed at developing an Embedded Platform for Neural Recording and Real-Time Template Matching. The overall system is based on MATLAB software and KL26Z platform and has three different sub-blocks: (i) Front-end amplification circuit board for neural signal recording; (ii) a MATLAB Graphical User Interface for template building and real-time spike display; and (iii) A firmware based on KL26Z microcontroller platform for real-time spike sorting. All sub-blocks were integrated together to record neural signal and perform on-line template matching during measurements. This system provides an important tool for further spike sorting research since it presents a front-end amplification circuit board for neural signal recording that allows measuring not only spikes but also LFP. Due to the small amplitude range of neural signals the amplifier design was done very carefully in order to meet specific requirements such as low noise and a good linearity. These aspects were met since the amplifier presents a low input referred noise of 5.2µVRMS and the THD value of 0.47%. The template matching algorithm is used in this system to extract templates from filtered and amplified neural data using MATLAB software and to perform on-line spike sorting in KL26Z platform. This method is automatic, only requires user intervention for a final validation in calibration stage where templates are extracted, and presents low computational complexity which makes it suitable for hardware implementation. The system is very user-friendly and high accurate with detection sensitivity of 92%, based on the simulated extracellular datasets that were tested.