癲癇作為全球發病率約1%的神經系統疾病，傳統依賴住院觀察和患者自述的監測方式存在嚴重漏報問題。雖然腦電圖(EEG)是診斷金標準，但現有數字系統的高功耗特性難以滿足長期可穿戴監測需求。蘇黎世大學與蘇黎世聯邦理工學院的研究團隊另辟蹊徑，借鑒生物神經系統的高效能特性，在混合信號神經形態處理器DYNAP-SE2上構建了革命性的癲癇監測系統。

研究采用三級處理架構：通過片上模擬前端(AFE)和異步Delta調制器(ADM)將SWEC數據庫的顱內EEG(iEEG)信號轉換為脈沖序列；設計包含轉譯層和NLNG層的脈沖神經網絡(SNN)，利用1-2-1-0-1-2-1的特殊連接模式放大癲癇發作期的部分同步特征；最后通過線性支持向量機(LSVM)對神經形態處理器輸出的脈沖特征進行分類。研究特別選用5名患者的10次發作數據，通過DAC系統還原模擬EEG信號進行實時處理驗證。

"轉譯層實現脈沖頻率濾波"部分顯示，研究者巧妙組合遞歸興奮(R-E)、抑制(R-I)和快速抑制(FF-I)神經元，構建出對200-600Hz輸入脈沖敏感的帶通濾波器。硬件測試表明，該層能有效抑制過高或過低頻率的噪聲，為后續處理提供標準化脈沖輸入。

"NLNG層相關性編碼"揭示了該研究的核心創新：通過進化神經網絡架構搜索(ENAS)獲得的特殊連接模式，使網絡對輸入通道間的相關性極為敏感。當輸入脈沖序列的皮爾遜相關系數從0.114升至0.255時，NLNG層輸出頻率從10Hz線性增加至20Hz，證實其具備理想的相關系數編碼能力。

"硬件實現癲癇編碼"部分展示了令人振奮的結果：在癲癇發作期，NLNG層神經元集群出現100Hz以上的高頻放電，形成明顯的局部同步簇。同步矩陣分析顯示，相比原始ADM事件流，NLNG層將癲癇相關的弱相關性放大了3-5倍。功耗測試顯示，整個SNN處理42通道EEG僅消耗128.5-297μW，單通道平均2.8μW。

在"癲癇檢測性能評估"中，研究者對比了ADM事件流和NLNG脈沖流的分類效果。使用1秒時間窗提取的脈沖頻率特征，NLNG層的平均AUC達80.91%，優于ADM的78.58%。特別值得注意的是，雖然線性分類器的絕對性能尚有提升空間，但該研究首次實現了從信號調理、脈沖編碼到特征提取的全模擬鏈路上處理。

討論部分指出，這項工作的突破性在于將神經科學的"部分同步"理論與神經形態芯片的物理特性完美結合。DYNAP-SE2芯片的亞閾值模擬電路固有變異特性，反而增強了網絡對癲癇特征的魯棒性表達。研究者特別強調，未來可通過分析同步簇的時空演變規律，進一步定位癲癇發作起始區(SOZ)，為術前評估提供新工具。

這項發表于《Scientific Reports》的研究，為超低功耗癲癇監測設備開發樹立了新范式。其價值不僅在于150μW的功耗突破，更開創了"利用硬件物理特性解決醫學問題"的新思路。正如作者所述，這種神經形態計算方法可擴展到心電、肌電等多模態生物信號處理，為移動醫療時代提供關鍵技術支撐。