Hello Guest

Sign In / Register
ಕನ್ನಡkannaḍa
EnglishDeutschItaliaFrançais한국의русскийSvenskaNederlandespañolPortuguêspolskiSuomiGaeilgeSlovenskáSlovenijaČeštinaMelayuMagyarországHrvatskaDanskromânescIndonesiaΕλλάδαБългарски езикGalegolietuviųMaoriRepublika e ShqipërisëالعربيةአማርኛAzərbaycanEesti VabariikEuskera‎БеларусьLëtzebuergeschAyitiAfrikaansBosnaíslenskaCambodiaမြန်မာМонголулсМакедонскиmalaɡasʲພາສາລາວKurdîსაქართველოIsiXhosaفارسیisiZuluPilipinoසිංහලTürk diliTiếng ViệtहिंदीТоҷикӣاردوภาษาไทยO'zbekKongeriketবাংলা ভাষারChicheŵaSamoaSesothoCрпскиKiswahiliУкраїнаनेपालीעִבְרִיתپښتوКыргыз тилиҚазақшаCatalàCorsaLatviešuHausaગુજરાતીಕನ್ನಡkannaḍaमराठी
ಮುಖಪುಟ > ಸುದ್ದಿ > ನೈಜ ಸಮಯದಲ್ಲಿ ಜೈವಿಕ ಸಿಗ್ನಲ್ಗಳನ್ನು ಗುರುತಿಸುವ ಕೃತಕ ನರಕೋಶ ಚಿಪ್ ಅನ್ನು ವಿಜ್ಞಾನಿಗಳು ನಿರ್ಮಿಸುತ್ತಾರೆ

ನೈಜ ಸಮಯದಲ್ಲಿ ಜೈವಿಕ ಸಿಗ್ನಲ್ಗಳನ್ನು ಗುರುತಿಸುವ ಕೃತಕ ನರಕೋಶ ಚಿಪ್ ಅನ್ನು ವಿಜ್ಞಾನಿಗಳು ನಿರ್ಮಿಸುತ್ತಾರೆ

ಜುರಿಚ್ನ ಸಂಶೋಧನಾ ತಂಡವು ಇತ್ತೀಚೆಗೆ ಒಂದು ಕಾಂಪ್ಯಾಕ್ಟ್, ಶಕ್ತಿ-ಉಳಿಸುವ ಸಾಧನವನ್ನು ಮೆದುಳಿನ ಅಲೆಗಳನ್ನು ನಿರ್ದೇಶಿಸುವ ಕೃತಕ ನ್ಯೂರಾನ್ಗಳಿಂದ ತಯಾರಿಸಲ್ಪಟ್ಟಿದೆ. ಮಿದುಳಿನ ಕಾರಣ ರೋಗಗ್ರಸ್ತವಾಗುವಿಕೆಗಳು ಯಾವ ಪ್ರದೇಶಗಳನ್ನು ಗುರುತಿಸಲು ಎಪಿಲೆಪ್ಸಿ ರೋಗಿಗಳ ಮೆದುಳಿನ ಅಲೆಗಳಿಂದ ದಾಖಲಾದ ಡೇಟಾವನ್ನು ಚಿಪ್ ಬಳಸುತ್ತದೆ. ಇದು ಚಿಕಿತ್ಸೆಗಾಗಿ ಹೊಸ ಅಪ್ಲಿಕೇಶನ್ ಭವಿಷ್ಯವನ್ನು ತೆರೆಯುತ್ತದೆ.











ಪ್ರಸ್ತುತ ನರವ್ಯೂಹದ ನೆಟ್ವರ್ಕ್ ಕ್ರಮಾವಳಿಗಳು ಪ್ರಭಾವಶಾಲಿ ಫಲಿತಾಂಶಗಳನ್ನು ಉತ್ಪತ್ತಿ ಮಾಡುತ್ತವೆ ಮತ್ತು ಆಶ್ಚರ್ಯಕರ ಸಂಖ್ಯೆಯ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ. ಆದಾಗ್ಯೂ, ಈ ಕ್ರಮಾವಳಿಗಳನ್ನು ಚಲಾಯಿಸಲು ಬಳಸುವ ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಸಾಧನಗಳು ಇನ್ನೂ ದೊಡ್ಡ ಸಂಸ್ಕರಣೆ ಶಕ್ತಿ ಅಗತ್ಯವಿರುತ್ತದೆ. ಸಂವೇದನಾತ್ಮಕ ಮಾಹಿತಿ ಅಥವಾ ಪರಿಸರದೊಂದಿಗೆ ಸಂವೇದನಾಶೀಲತೆಯ ನೈಜ-ಸಮಯದ ಪ್ರಕ್ರಿಯೆಗೆ ಬಂದಾಗ, ಈ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ವ್ಯವಸ್ಥೆಗಳು ನಿಜವಾದ ಮೆದುಳಿನೊಂದಿಗೆ ಸ್ಪರ್ಧಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಮತ್ತು ನ್ಯೂರೋಮಾರ್ಫಿಕ್ ಎಂಜಿನಿಯರಿಂಗ್ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ನೈಸರ್ಗಿಕ ಬುದ್ಧಿಮತ್ತೆಯ ನಡುವಿನ ಸೇತುವೆಯನ್ನು ನಿರ್ಮಿಸುವ ಒಂದು ಭರವಸೆಯ ಹೊಸ ವಿಧಾನವಾಗಿದೆ.

ಜುರಿಚ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಜ್ಯೂರಿಚ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಂಶೋಧನಾ ತಂಡ, ಜುರಿಚ್ನ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಆಸ್ಪತ್ರೆಯಲ್ಲಿ ಈ ವಿಧಾನವು ಸಂಕೀರ್ಣ ಜೈವಿಕ ಸಂಕೇತಗಳನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಮತ್ತು ನಿಖರವಾಗಿ ಗುರುತಿಸುವ ನರಾರ್ಪಿಕ್ ತಂತ್ರಜ್ಞಾನದ ಆಧಾರದ ಮೇಲೆ ಚಿಪ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಈ ವಿಧಾನವನ್ನು ಬಳಸಿತು. ಹಿಂದೆ ದಾಖಲಾದ ಉನ್ನತ ಆವರ್ತನ ಆಂದೋಲನಗಳನ್ನು (HFO) ಯಶಸ್ವಿಯಾಗಿ ಪತ್ತೆಹಚ್ಚಲು ವಿಜ್ಞಾನಿಗಳು ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಲು ಸಾಧ್ಯವಾಯಿತು. ಇಂಟ್ರಾಕ್ರಾನಿಯಲ್ ಎಲೆಕ್ಟ್ರೋಸೆಫಾಲನ್ನ (ಐಇಇಜಿಇಜಿ) ಬಳಸಿಕೊಂಡು ಅಳತೆ ಮಾಡಿದ ಈ ನಿರ್ದಿಷ್ಟ ಅಲೆಗಳು, ರೋಗಗ್ರಸ್ತವಾಗುವಿಕೆಗಳನ್ನು ಉಂಟುಮಾಡುವ ಮೆದುಳಿನ ಅಂಗಾಂಶವನ್ನು ಗುರುತಿಸಲು ಜೈಮಾರ್ಕರ್ಗಳನ್ನು ಭರವಸೆ ನೀಡುತ್ತಿವೆ.

ಮೆದುಳಿನ ನೈಸರ್ಗಿಕ ನರ ನೆಟ್ವರ್ಕ್ ಅನ್ನು ಅನುಕರಿಸುವ ಮೂಲಕ HFO ಅನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಸಂಶೋಧಕರು ಮೊದಲ ಬಾರಿಗೆ ವಿನ್ಯಾಸಗೊಳಿಸಿದರು: ಸ್ಪೈಕ್ ನರವ್ಯೂಹದ ನೆಟ್ವರ್ಕ್ (ಎಸ್ಎನ್ಎನ್) ಎಂದು ಕರೆಯಲ್ಪಡುತ್ತದೆ. ವಿದ್ಯುದ್ವಾರಗಳ ಮೂಲಕ ನರಗಳ ಸಂಕೇತಗಳನ್ನು ಪಡೆಯುವ ಉಗುರು ಗಾತ್ರದ ಯಂತ್ರಾಂಶದಲ್ಲಿ ಎಸ್ಎನ್ಎನ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು ಎರಡನೆಯ ಹಂತವಾಗಿದೆ. ಸಾಂಪ್ರದಾಯಿಕ ಕಂಪ್ಯೂಟರ್ಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ಇದು ದೊಡ್ಡ ಶಕ್ತಿ ದಕ್ಷತೆಯನ್ನು ಹೊಂದಿದೆ. ಇದು ಇಂಟರ್ನೆಟ್ ಅಥವಾ ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ನಲ್ಲಿ ಅವಲಂಬಿಸದೆ ಸಾಧ್ಯವಾದಷ್ಟು ಹೆಚ್ಚಿನ ಸಮಯ ರೆಸಲ್ಯೂಶನ್ನೊಂದಿಗೆ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಮಾಡುತ್ತದೆ.

ಜಿರಿಚ್ ಮತ್ತು ಎಥ್ ಜುರಿಚ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ ಆಫ್ ನ್ಯೂರೋಫಿಕ್ಟಿಕ್ಸ್ನಲ್ಲಿ ಪ್ರಾಧ್ಯಾಪಕನಾದ ಜಿಯಾಕೊೊ ಇಂಡೈರಿ ಹೇಳಿದರು: "ನಮ್ಮ ವಿನ್ಯಾಸವು ನೈಜ ಸಮಯದಲ್ಲಿ ಜೈವಿಕ ಸಿಗ್ನಲ್ಗಳಲ್ಲಿ SpateOtemporal ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸಲು ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ."

ನೈಜ ಸಮಯದಲ್ಲಿ HFOS ಅನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಗುರುತಿಸಲು ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಎಲೆಕ್ಟ್ರಾನಿಕ್ ವ್ಯವಸ್ಥೆಯನ್ನು ರಚಿಸಲು ಸಂಶೋಧಕರು ಈಗ ತಮ್ಮ ಸಂಶೋಧನೆಗಳನ್ನು ಬಳಸಲು ಯೋಜಿಸುತ್ತಿದ್ದಾರೆ. ಆಪರೇಟಿಂಗ್ ಕೋಣೆಯಲ್ಲಿ ಹೆಚ್ಚುವರಿ ಡಯಾಗ್ನೋಸ್ಟಿಕ್ ಸಾಧನವಾಗಿ ಬಳಸಿದಾಗ, ರೋಗವು ನರಶಸ್ತ್ರಗಳ ಮಧ್ಯಸ್ಥಿಕೆಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ಸುಧಾರಿಸಬಹುದು.

ಹೇಗಾದರೂ, HFO ಗುರುತಿನ ಪ್ರಮುಖ ಪಾತ್ರ ವಹಿಸುವ ಏಕೈಕ ಪ್ರದೇಶವಲ್ಲ. ಆಸ್ಪತ್ರೆಯ ಹೊರಗೆ ಬಳಸಬಹುದಾದ ಅಪಸ್ಮಾರವನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವ ಸಾಧನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ತಂಡದ ದೀರ್ಘಕಾಲೀನ ಗುರಿಯಾಗಿದೆ, ಇದು ಕೆಲವು ವಾರಗಳ ಅಥವಾ ತಿಂಗಳುಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ವಿದ್ಯುದ್ವಾರಗಳ ಸಂಕೇತಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಜುರಿಚ್ ಯೂನಿವರ್ಸಿಟಿ ಹಾಸ್ಪಿಟಲ್ನಲ್ಲಿನ ನರಶೈಲಿಯವರು ಜೋಹಾನ್ಸ್ ಸಾರ್ನ್ಥಿನ್ ವಿವರಿಸುತ್ತಾರೆ: "ನಾವು ವಿನ್ಯಾಸದಲ್ಲಿ ಕಡಿಮೆ-ಶಕ್ತಿಯ ವೈರ್ಲೆಸ್ ಡೇಟಾ ಸಂವಹನವನ್ನು ಸಂಯೋಜಿಸಲು ಬಯಸುತ್ತೇವೆ - ಉದಾಹರಣೆಗೆ, ಇದನ್ನು ಮೊಬೈಲ್ ಫೋನ್ಗೆ ಸಂಪರ್ಕಿಸಲು. ಈ ರೀತಿಯ ಪೋರ್ಟಬಲ್ ಅಥವಾ ಇಂಟಿಗ್ರೇಬಲ್ ಚಿಪ್ ಹೆಚ್ಚಿನ ಸೆಳವು ದರವನ್ನು ಗುರುತಿಸಬಹುದು. ಹೆಚ್ಚಿನ ಅಥವಾ ಕಡಿಮೆ ಅವಧಿಗಳು, ಇದು ನಮಗೆ ವೈಯಕ್ತಿಕಗೊಳಿಸಿದ ಔಷಧವನ್ನು ಒದಗಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. "