NeuralTree：面向多用途神经活动分类与闭环神经调控的 256 通道、0.227 μJ/次分类 SoC

基于摘要分析。该研究针对高密度闭环神经接口中通道数与可扩展性受限的问题，提出集成神经信号采集、NeuralTree 分类处理器和神经刺激器的片上系统（SoC），旨在兼顾疾病状态检测、硬件能效与闭环神经调控。 采集端采用 256 通道时分复用（TDM）前端，结合两步快速建立的混合信号直流伺服环路（DSL），支持高空间分辨率记录与通道选择性脑状态推断。树结构神经网络 NeuralTree 面向患者与疾病特异性提取神经生物标志物，并通过能量感知学习算法权衡检测性能与能耗；摘要未提供具体网络结构、损失函数或训练流程。刺激端为 16 通道高压顺应性神经刺激器，通过电荷平衡双相电流脉冲提供刺激。 作者报告，该 SoC 采用 65 nm CMOS 工艺制造，分类能耗为 0.227 μJ/次分类，面积为 0.014 mm²/通道。对于人类癫痫数据集，作者报告 EEG 上的灵敏度和特异度分别为 95.6% 与 96.8%，iEEG 上分别为 94% 与 96.9%。摘要未给出数据集名称、被试数、被试内或跨被试划分、检测时间窗及对照基线，因此这些结果不能直接用于跨研究性能比较。 作者还报告使用柔性 μECoG 阵列在癫痫大鼠模型中进行在体神经记录与多域生物标志物提取，并展示了利用人类 LFP 进行帕金森病静息性震颤的片上分类；作者称后者为文献中的首次展示，但该优先性尚未独立核验。 其主要贡献是分类算法与采集、刺激硬件的协同集成，而非仅提出 EEG 分类模型。复现与评估需进一步核对能耗测量边界、能量—性能权衡、刺激伪迹处理，以及检测到刺激的闭环时序与疗效证据；实验协议、消融及统计信息尚未验证。