NeuralTree：用于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。该研究针对闭环神经接口通道数有限、扩展性不足的问题，提出集成神经信号采集、片上分类和电刺激的 NeuralTree SoC，主要贡献是高密度采集与低能耗状态识别的硬件协同设计，而非单独提出 EEG 分类算法。 系统采用 256 通道时分复用（TDM）前端，配合两步快速稳定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 分类处理器针对患者及疾病提取神经生物标志物，并通过能耗感知学习算法优化能耗与准确性的权衡。16 通道高压兼容神经刺激器可输出电荷平衡双相电流脉冲，构成闭环硬件链路；摘要未提供训练目标、网络配置或刺激控制策略的细节。 作者报告，芯片采用 65 nm CMOS 工艺制造，每次分类能耗为 0.227 μJ，单位通道面积为 0.014 mm²。在人类 EEG 与 iEEG 癫痫数据集验证中，作者报告 EEG 的敏感度为 95.6%、特异度为 96.8%，iEEG 的敏感度为 94%、特异度为 96.9%。摘要未列明数据集名称、被试数、被试内或跨被试划分、检测窗口及对照基线，因此这些结果不能直接与其他协议下的分数比较。 作者还报告使用柔性 μECoG 阵列在癫痫大鼠模型上进行了在体记录与多域生物标志物提取，并展示了利用人类局部场电位（LFPs）进行帕金森病静息性震颤片上分类；其“文献中首次”的表述属于作者主张，尚未独立核实。上述验证不等同于已证实临床治疗获益。复现与评价需进一步核对能耗测量边界、完整实验协议、消融及统计信息，以及闭环刺激的实际效果，这些内容尚未验证。