procyberВестник кибернетикиProceedings in Cybernetics1999-7604Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры «Сургутский государственный университет»10.35266/1999-7604-2023-4-4procyber-556Research ArticleТЕХНИЧЕСКИЕ НАУКИEngeneeringРАЗРАБОТКА СИСТЕМЫ ПРОТОТИПИРОВАНИЯ НЕЙРОПРОТЕЗОВ НА ОСНОВЕ ГИБРИДНОЙ ПРОГРАММНО-АППАРАТНОЙ РЕАЛИЗАЦИИ СПАЙКОВЫХ НЕЙРОННЫХ СЕТЕЙDEVELOPING A SYSTEM FOR NEURAL PROTOTYPING OF NEURAL PROSTHESES BASED ON THE HYBRID SOFTWARE AND HARDWARE IMPLEMENTATION OF SPIKING NEURAL NETWORKShttps://orcid.org/0000-0003-2733-1072КравченкоС. В.KravchenkoS. V.

кандидат медицинских наук

Candidate of Sciences (Medicine)

ksv.1991@yandex.ruКраснодарский филиал Национального медицинского исследовательского центра «Межотраслевой научно-технический комплекс «Микрохирургия глаза» имени академика С. Н. Федорова» Минздрава России, Краснодар; Кубанский государственный технологический университет, КраснодарРоссияKrasnodar Branch of the S. Fedorov Eye Microsurgery Federal State Institution; Kuban State Technological University, Krasnodar,Russian Federation2023121220232242632Copyright © Кравченко С.В., 20232023Кравченко С.В.Kravchenko S.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestcyber.ru/jour/article/view/556

Представлена разработка модульной системы прототипирования нейропротезов для решения задачи компенсации функций поврежденных и утраченных структур центральной нервной системы при помощи электронных устройств, моделирующих работу биологических нейронов. Искусственные нейроны демонстрируют способность отвечать импульсацией в ответ на внешнюю стимуляцию либо сигнал от пресинаптического нейрона, способность к пространственной и временной суммации, нейропластичность, что свидетельствует о потенциале применения разработанной системы.

The study presents a development of a modular system for prototyping a neural prosthesis aimed at compensating functions of damaged or lost structures of central nervous system using electronic devices that mimic the behavior of biological neurons. Artificial neurons demonstrate the ability to respond to an external stimulation or a signal from presynaptic neuron with impulsion; the ability to perform spatial and temporal summation, neural plasticity, all of which demonstrate capabilities of the developed system.

нейропротезнейроинженерияспайковые нейронные сетинейрокомпьютерискусственные нейронные сетимикроконтроллеркогнитивный нейропротезLIF-нейронneural prosthesisneural engineeringspiking neural networksneural computerartificial neural networksmicrocontrollercognitive neural prosthesisLIF neuronReferencesКравченко С. В., Каде А. Х., Трофименко А. И. и др. Когнитивное нейропротезирование – путь от эксперимента к клиническому применению // Инновационная медицина Кубани. 2021. № 3. С. 64–72.Кравченко С. В., Каде А. Х., Трофименко А. И. и др. Когнитивное нейропротезирование – путь от эксперимента к клиническому применению // Инновационная медицина Кубани. 2021. № 3. С. 64–72.Тихомиров Г. В., Григорьева В. Н. Зрительная агнозия в клинике острого ишемического инсульта: частота встречаемости и связь с другими когнитивными нарушениями // Доктор.Ру. 2022. Т. 21, № 8. С. 12–17.Тихомиров Г. В., Григорьева В. Н. Зрительная агнозия в клинике острого ишемического инсульта: частота встречаемости и связь с другими когнитивными нарушениями // Доктор.Ру. 2022. Т. 21, № 8. С. 12–17.Berger T. W., Song D., Chan R. H. M. et al. A hippocampal cognitive prosthesis: Multi-input, multi-output nonlinear modeling and VLSI implementation. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2012;20(2):198–211.Berger T. W., Song D., Chan R. H. M. et al. A hippocampal cognitive prosthesis: Multi-input, multi-output nonlinear modeling and VLSI implementation. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2012;20(2):198–211.Hampson R. E., Song D., Robinson B. S. et al. Developing a hippocampal neural prosthetic to facilitate human memory encoding and recall. J Neural Eng. 2018;15(3):036014.Hampson R. E., Song D., Robinson B. S. et al. Developing a hippocampal neural prosthetic to facilitate human memory encoding and recall. J Neural Eng. 2018;15(3):036014.Xu T., Xiao N., Zhai X. et al. Real-time cerebellar neuroprosthetic system based on a spiking neural network model of motor learning. J Neural Eng. 2018;15(1):016021.Xu T., Xiao N., Zhai X. et al. Real-time cerebellar neuroprosthetic system based on a spiking neural network model of motor learning. J Neural Eng. 2018;15(1):016021.Mikhaylov A., Pimashkin A., Pigareva Y. et al. Neurohybrid memristive CMOS-integrated systems for biosensors and neuroprosthetics. Front Neurosci. 2020;14:358.Mikhaylov A., Pimashkin A., Pigareva Y. et al. Neurohybrid memristive CMOS-integrated systems for biosensors and neuroprosthetics. Front Neurosci. 2020;14:358.Анохин К. В., Бурцев М. С., Ильин В. А. и др. Современные подходы к моделированию активности культур нейронов in vitro // Математическая биология и биоинформатика. 2012. Т. 7, № 2. С. 372–397.Анохин К. В., Бурцев М. С., Ильин В. А. и др. Современные подходы к моделированию активности культур нейронов in vitro // Математическая биология и биоинформатика. 2012. Т. 7, № 2. С. 372–397.Wang Z., Joshi S., Savel’ev S. et al. Fully memristive neural networks for pattern classification with unsu-pervised learning. Nat Electron. 2018;(1):137–145.Wang Z., Joshi S., Savel’ev S. et al. Fully memristive neural networks for pattern classification with unsu-pervised learning. Nat Electron. 2018;(1):137–145.Sumner R. L., Spriggs M. J., Muthukumaraswamy S. D. et al. The role of Hebbian learning in human perception: A methodological and theoretical review of the human Visual Long-Term Potentiation paradigm. Neurosci Biobehav Rev. 2020;115:220‒237.Sumner R. L., Spriggs M. J., Muthukumaraswamy S. D. et al. The role of Hebbian learning in human perception: A methodological and theoretical review of the human Visual Long-Term Potentiation paradigm. Neurosci Biobehav Rev. 2020;115:220‒237.Petto A., Fredin Z., Burdo J. The use of modular, electronic neuron simulators for neural circuit construc-tion produces learning gains in an undergraduate anatomy and physiology course. J Undergrad Neurosci Educ. 2017;15(2):A151‒A156.Petto A., Fredin Z., Burdo J. The use of modular, electronic neuron simulators for neural circuit construc-tion produces learning gains in an undergraduate anatomy and physiology course. J Undergrad Neurosci Educ. 2017;15(2):A151‒A156.

The authors declare that there are no conflicts of interest present.