Etude et conception d’un processeur neuronal analogique très faible consommation : application au pilotage d’un pacemaker de nouvelle génération

Study and design of an analog neural processor of very low power consumption : appliced to the navigation of a new generation pacemaker

• Auteur / Autrice : Qing Sun
• Direction : Yannick Hervé
• Type : Thèse de doctorat
• Discipline(s) : Microélectronique
• Date : Soutenance en 2011
• Etablissement(s) : Strasbourg

Mots clés

Mots clés contrôlés

Stimulateurs cardiaques

VHDL (langage de description de matériel informatique)

Réseaux neuronaux (informatique)

Résumé

L’objectif de cette recherche est de développer un réseau de neurones impulsionnels analogiques afin d’améliorer la performance d’un pacemaker biventriculaire (aussi appelé le CRT-P) de nouvelle génération. L’implémentation sur silicium utilise l’approche réseau de neurones analogiques qui nécessite le développement d’une solution technique satisfaisant à une contrainte de très basse consommation énergétique. Nous proposons une approche de un réseau de neurones impulsionnels analogiques pour optimiser la prédiction des délais cardiaques avec l’algorithme d’apprentissage Hebb et l’algorithme d’apprentissage par renforcement dans des modes de fonctionnement différents. L’amélioration des prévisions permet au CRT-P de fournir des battements cardiaques optimaux en temps réel. Nous décrirons le comportement et les qualités de notre algorithme au travers de simulations mathématiques et comportementales. Des simulations complètes et cohérentes du système basées sur des modèles simples du coeur (rythme cardiaque constant puis rythme cardiaque variable) avec des bruits uniformes aléatoires sont illustrées avec succès pour la validation de la faisabilité du système. Nous proposons aussi une méthodologie renforcée de la conception analogique et mixte. Les simulations de tous niveaux (de hauts et bas niveaux)peuvent être faites rapidement afin de vérifier des performances du système dans chaque phase de conception et ainsi fournir une plage des spécifications acceptables facilitant la synthèse analogique et mixte suivante.

The objective of this research is to develop an analog spiking neural network so as to improve the performance of a bi-ventricular pacemaker (also called the CRT-P) of new generation. The implementation on silicon using the analog neural network approach requires the development of a satisfactory technical solution to meet the constraint of very low energy consumption. We propose an analog spiking neural network approach to optimize the cardiac delay prediction with the Hebbian learning algorithm and the reinforcement learning algorithm in different functional modes. The delay improvement allows the CRT-P to provide optimal heartbeat in real time. We describe the behavior and the qualities of our algorithm through mathematical and behavioral simulations. The complete and coherent system simulations based on the simple heart models (constant heart rate and variable heart rate) with random uniform noise are shown successfully to validate the system feasibility. We also propose an enhanced methodology of the analog and mixed signal design. The simulations of all levels (high and low levels) can be carried out quickly in order to verify the system performance in each design phase and also carry out the acceptable specification space for facilitating the following analog and mixed signal synthesis.