РАЗРАБОТКА СИСТЕМЫ ПРОТОТИПИРОВАНИЯ НЕЙРОПРОТЕЗОВ НА ОСНОВЕ ГИБРИДНОЙ ПРОГРАММНО-АППАРАТНОЙ РЕАЛИЗАЦИИ СПАЙКОВЫХ НЕЙРОННЫХ СЕТЕЙ

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.

1. 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.

2. 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.

3. 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.

4. 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.

5. 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.

6. Mikhaylov A., Pimashkin A., Pigareva Y. et al. Neurohybrid memristive CMOS-integrated systems for biosensors and neuroprosthetics. Front Neurosci. 2020;14:358.

7. 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.

8. 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.

9. 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.

10. 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.