Résumé

Le développement des futures générations de microsystèmes et d’implants pour la réhabilitation nécessite la combinaison d'expertises entre la neuro-ingénierie et la recherche biomédicale. Ces nouveaux systèmes de réhabilitation nécessitent de nombreux capteurs pour contrôler les stimuli utiles à la réhabilitation (stimulation des muscles ou matière neuronales, délivrer des médicaments ou drogues, etc ...). L'analyse des données d'entrée doit fournir un contrôle dans un délai raisonnable, en utilisant un minimum de ressources énergétiques. Les futures générations de microsystèmes et des implants pour la réhabilitation devraient également fournir un contrôle adaptatif; par conséquent, le contrôleur exige des capacités d'apprentissage. Les capteurs d'entrée peuvent être nombreuses et diverses natures. Leurs relations peuvent être difficiles à identifier, surtout si ce système est développé dans le cadre de la recherche biomédicale. Les réseaux de neurones artificiels (ANN) sont connus pour être efficace pour la résolution de ces questions. La plupart des applications existantes utilisant les ANNs dans un contexte commercial sont souvent développés sous forme de logiciels. Certains sont développés dans la recherche pour la réhabilitation. Les réseaux de neurones artificiels à spike (ou pulsés, dit SNN) sont une classe d’ANN qui inclue les événements temporels entre les neurones du réseau. Les SNN ont attiré l'attention dans de nombreux domaines de la bio-détection (par exemple des applications de traitement d'image ou la détection des odeurs). Utilisant les événements temporels, les SNN ont la capacité d'améliorer leur algorithme d'apprentissage dans le temps. Cette caractéristique unique est explorée et exploitée dans la neuro-ingénierie pour le développement des futures générations de microsystèmes et d’implants pour la réhabilitation.