Resumen de Low-Power Artifact-Aware ImplantableNeural RecordingMicrosystem for Brain- Machine Interfaces
- español
La neurociencia encargada de investigar sobre cómo se implementan las funciones cerebrales complejas a nivel celular requiere de interfaces de captación neuronal in vivo, incluyendo electrodos y circuitos de adquisición de señal con la mayor capacidad de observación y mayor resolución espacial. La tendencia de los dispositivos de captación de señal neuronal a emplear sondas de gran número de canales o mallas 2D con puntos de medición densamente espaciados para registrar grandes poblaciones neuronales dificulta el ahorro de recursos. Las especificaciones de bajo ruido y bajo consumo de la interfaz de registro del front-end analógico suelen requerir una gran ocupación de silicio, lo que hace que el problema sea aún más difícil. Un enfoque común para aliviar esta carga de consumo de área se basa en las técnicas de multiplexación por división de tiempo en las que la electrónica de lectura se comparte, parcial o totalmente, entre los canales preservando la resolución espacial y temporal de las grabaciones. En este enfoque, los elementos compartidos tienen que operar en un intervalo de tiempo más corto por canal, y la ocupación del área se reduce a cambio de mayores frecuencias de funcionamiento y anchos de banda. Como resultado, el consumo de energía sólo se ve ligeramente afectado, aunque otras métricas de rendimiento como el ruido en banda, el crosstalk o elCMRR pueden verse degradadas, especialmente si todo el circuito de lectura está multiplexado en la interfaz del electrodo. Además, estas interfaces de registro neural suelen emplearse en dispositivos neurales de bucle cerrado que también incluyen circuitos de estimulación. Las grandes interferencias, o artefactos, evocadas por la estimulación hacen necesario el desarrollo de técnicas y arquitecturas que garanticen que el sistema de detección es capaz de registrar la señal neuronal de interés en presencia de estos artefactos. En esta tesis se revisan, en primer lugar, las diferentes alternativas de implementación reportadas para los sistemas de captación neuronal multiplexados en el tiempo, incluyendo técnicas de detección de artefactos, se analizan sus ventajas e inconvenientes y se sugieren estrategias para mejorar el rendimiento. A continuación, basándose en la revisión presentada, esta tesis presenta un front-end de señalmixta de alto rango dinámico, baja potencia y bajo ruido para la adquisición de potenciales de campo locales o señales electroencefalográficas con implantes neuronales invasivos. El sistema incorpora multiplexación temporal de 32 canales en la interfaz del electrodo para ahorrar superficie y ofrece la posibilidad de codificar espacialmente las señales para aprovechar las grandes correlaciones entre canales adyacentes. El circuito también implementa un algoritmo de auto-regulación de señal mixta accionada por voltaje que permite atenuar las grandes interferencias en el dominio digital al tiempo que preserva la información neuronal, aumentando así eficazmente el rango dinámico del sistema y evitando la saturación. Un prototipo, fabricado en un proceso CMOS estándar de 180 nm, ha sido verificado experimentalmente in vitro y muestra un ruido integrado referido a la entrada en la banda de 0.5– 200Hz de 1.4¹Vrms para un ruido de punto de unos 85 nV/ p Hz. El sistema consume 1.5¹Wpor canal con una alimentación de 1.2V y obtiene un rango dinámico de 71 dB + 26 dB (con compresión de artefactos), sin penalizar otras especificaciones críticas como el crosstalk entre canales o los ratios de rechazo de modo común y de alimentación. Esta tesis está dividida en siete capítulos. En el primero se introduce el objetivo de este trabajo. El capítulo 2 presenta las consideraciones de diseño de los dispositivosmulti-canal para la captación de señales neuronales junto con una comparación del estado del arte. El tercer capítulo ofrece un resumen de las técnicas y arquitecturas empleadas para paliar las largas interferencias durante la adquisición de señal y el capítulo 4muestra una revisión de la técnica de multiplexación por división de tiempo. Por último, el capítulo 5 describe el microsistema de registro neuronal de baja potencia de 32 canales, y el capítulo 6 ofrece sus resultados experimentales. El último capítulo aborda las conclusiones y los trabajos futuros.
- English
Neuroscience research into how complex brain functions are implemented at cell level requires in vivo neural recording interfaces, including microelectrodes and read-out circuitry, with increased observability and spatial resolution. The trend in neural recording interfaces towards employing high-channel-count probes or 2D meshes with densely spaced recording sites for recording large neuronal populations makes it harder to save on resources. The low-noise, low-power requirement specifications of the Analog front-end (AFE) recording interface usually require large silicon occupation, making the problem even more challenging. One common approach to alleviating this area consumption burden relies on time-division multiplexing techniques in which read-out electronics are shared, either partially or totally, between channels while preserving the spatial and temporal resolution of the recordings. In this approach, shared elements have to operate over a shorter time slot per channel, and area occupation is thus traded off against larger operating frequencies and signal bandwidths. As a result, power consumption is only mildly affected, although other performance metrics such as in-band noise, crosstalk, or CMRR may be degraded, particularly if the whole read-out circuit is multiplexed at the electrode interface. Furthermore, these neural recording interfaces are usually employed in closed-loop neural devices which also include stimulation circuits. The large interferences, or artifacts, evoked by stimulation arise the need for the development of techniques and architectures to ensure that the sensing system is capable of recording the neural signal of interest in the presence of these artifacts. In this thesis, we firstly review the different implementation alternatives reported for time-multiplexed neural recording systems, including artifact-aware techniques, analyze their advantages and drawbacks, and suggest strategies for improving performance. Then, based on the presented review, this thesis presents a high dynamic range, low-power, low-noise mixed-signal front-end for the recording of local field potentials or electroencephalographic signals with invasive neural implants. It features time-multiplexing of 32 channels at the electrode interface for area saving and offers the ability to spatially delta encode signals to take advantage of the large correlations between nearby channels. The circuit also implements a mixed-signal voltage-triggered auto-ranging algorithmwhich allows attenuating large interferers in the digital domain while preserving neural information, thus effectively increasing the dynamic range of the system while avoiding the onset of saturation. A prototype, fabricated in a standard 180 nmCMOS process, has been experimentally verified in-vitro and shows an integrated input-referred noise in the 0.5–200Hz band of 1.4¹Vrms for a spot noise of about 85 nV/ p Hz. The system draws 1.5¹Wper channel from 1.2V supply and obtains 71 dB + 26 dB (with artifact compression) dynamic range, without penalizing other critical specifications such as crosstalk between channels or common-mode and power supply rejection ratios. This thesis is divided into seven chapters. In the first one, the aim of this work is introduced. Chapter 2 presents the design considerations of multichannel neural recording devices along with a state-of-art comparison. The third chapter offers an overview of techniques and architectures to overcome the large interference signals in neural recording and Chapter 4 provides a review of the time-division multiplexing technique. Finally, Chapter 5 describes the 32-channel low-power neural recording microsystem, and Chapter 6 provides its experimental results. The last chapter addresses the conclusions and future works. es
