一种用于闭环麻醉调节的资源高效时分复用神经形态架构

《Integration》：A resource-efficient time-multiplexed neuromorphic architecture for closed-loop anesthesia regulation

　　

•资源高效的神经形态VLSI实现了闭环nTCI控制 •由1000个神经元组成的AdEx网络提取平均发放率（MFR）用于麻醉调控 •零DSP的FPGA设计实现了27.9倍的实时生物加速 •硬件测试显示误差低且对伤害性刺激具有稳健的抑制能力

引言

精确调控麻醉深度（Depth of Anesthesia, DoA）并稳健地抑制伤害性手术干扰，仍然是现代临床监测中的关键挑战[1]。麻醉深度不足可能导致术中知晓[2]，而剂量过大则严重损害血流动力学稳定性[3]。因此，闭环靶控输注（Target-Controlled Infusion, TCI）系统已成为一项重要进展，它可根据生理目标自动化给药[4][5]。然而，传统控制策略往往依赖经验性药理学模型，这些模型缺乏与意识底层神经生物机制的内在联系[6]。为实现真正自适应且个体化的调控，下一代TCI系统必须整合生物学上合理、能够直接反映大脑状态网络层面神经动力学的模型[7]。

在微观层面，丙泊酚等麻醉剂主要通过增强GABAA受体活性来诱导无意识状态[8]。这种神经药理学效应转化为神经网络上抑制性突触传递的显著增强[9]。捕获这些宏观转变需要大规模脉冲神经网络（SNN）[10]。为此，自适应指数积分发放模型（Adaptive Exponential integrate-and-fire, AdEx）具有独特优势，因为它高效地结合了丰富的生物学合理性与计算效率[11][12]。通过构建生理学平衡的网络，可提取出宏观平均发放率（Mean Firing Rate, MFR）作为连续监测麻醉深度的高灵敏度内源性生物标志物。然而，尽管标准软件环境对初始验证至关重要，但在软件中模拟紧密耦合的SNN固有地存在非确定性执行时间和高延迟问题[13]。这一计算瓶颈严重阻碍了神经形态模型向安全关键的闭环临床应用的转化，亟需向物理硬件实现的范式转变[14]。

神经形态系统的硬件实现通常分为模拟、混合信号和纯数字领域。模拟实现可以以极低功耗模拟连续时间神经动力学，但存在固有的工艺偏差、热噪声和精确可重复性不足等问题——这些因素在监管批准的医疗设备中是严格禁止的[15][16][17][18]。相反，在冯·诺依曼架构上运行的通用软件难以应对神经网络的巨大并行性，且将浮点逻辑映射到可编程硬件上会导致逻辑单元、内存带宽和功耗的严重开销[19][20][21]。因此，利用现场可编程门阵列（FPGA）的数字硬件架构成为最佳平台。FPGA提供高度并行且确定性的执行，具备精确的时序精度和低延迟处理能力，能够满足在严格的微秒级约束内计算生物变量的需求，从而实现真正的实时闭环生理控制[22][23][24][25][26]。

本文提出了一种高度资源高效的实时神经形态硬件架构，用于基于完全内源性估计方法的闭环麻醉深度调控。所提出系统的主要贡献和实践应用导向的特点如下：

•麻醉深度的自主临床调控：所提出的系统为智能靶控输注（nTCI）设备提供了一个自包含的、基于神经生物学基础的控制回路。通过比例-积分（PI）控制器模拟抑制性受体的神经药理学增强效应，该架构自主调节药物浓度以维持稳定的麻醉深度，消除对经验性且不考虑个体差异的药理学追踪模型的依赖。

•内源性生物标志物提取实现独立运行：为确保在临床环境中完全自主运行，该架构从生理学平衡的1000个神经元AdEx网络的内部动力学中直接提取宏观平均发放率（MFR）。这种自包含方法严格依赖内部群体层面的神经转变来估计麻醉深度，通过避免对外部信号采集组件的依赖，显著简化了临床部署。

•对强烈手术干扰的稳健抑制：控制律集成了有效的数字抗饱和机制，用于应对突发且严重的伤害性手术刺激（从轻微到剧烈冲击）。协同仿真验证表明，该系统能够快速对抗过度兴奋性并平滑恢复至基线目标，而不会引发不稳定振荡、持续中断或长时间过度抑制，这对维持术中患者安全至关重要。

•硬件赋能的延迟降低确保安全关键可行性：为实现安全关键医疗部署所需的即时响应性，神经动力学和突触滤波器被映射到高度并行的FPGA数据通路上。在285 MHz运行频率下，系统仅需3.58 μs即可处理一个100 μs的生物时间步长，实现了约27.9倍的实时加速因子。这种微秒级执行提供了关键的计算裕量，保证了确定性控制和对手术觉醒的即时抑制。

•无乘法器低功耗架构适用于便携式医疗设备：通过采用全局32位有符号定点移位加法数据通路以及用于指数近似的双曲CORDIC核心，整个nTCI核心实现了完全无乘法器、零DSP的实施方案。在Xilinx Virtex-7器件上仅消耗1.59%的查找表（LUT），动态功耗仅为0.354 W，这种超低占用为未来便携式、床旁或可植入式闭环麻醉输注系统奠定了高度可行的基础。

本文其余部分组织如下：第2节详细介绍了系统建模，包括单神经元动力学、网络拓扑和麻醉调制。第3节提供了闭环控制的硬件前验证和功能评估。第4节全面描述了所提出的无乘法器神经形态闭环系统硬件架构。第5节呈现了硬件实现结果，重点关注资源利用、时序收敛和功耗。第6节评估了硬件约束下的协同仿真分析和定量误差指标。第7节讨论了临床适用性以及控制系统对生理延迟的鲁棒性。最后，第8节总结全文。

章节片段

单神经元动力学

单个神经元的动态行为使用自适应指数积分发放（AdEx）模型进行建模[12]。该模型高效地结合了生物学合理性与计算效率，使其非常适合大规模数字硬件实现。膜电位V和适应变量W由以下连续时间微分方程控制：CdVdt=?gl(V?El)+glΔTexpV?VTΔT+Iext+Isyn?W τwdWdt=a(V?El)?W，其中C为膜

硬件前验证与功能评估

在将所提出的神经形态架构部署到FPGA硬件之前，必须在基于软件的仿真环境中全面评估系统行为。本节的主要目标是严格地从多个角度分析麻醉神经网络，确保其功能正确性和稳定性。

神经形态闭环系统的硬件实现

从基于软件的仿真过渡到数字硬件架构是评估所提出神经形态麻醉控制器临床和实用可行性的重要步骤。虽然软件环境提供了高精度，但缺乏安全关键医疗设备所需的确定性和实时执行能力。将该闭环系统实施在场可编程门阵列（FPGA）上，为高效、低功耗的神经形态

闭环麻醉深度控制系统的硬件实现结果

为了评估所提出神经形态靶控输注（nTCI）架构的性能、资源效率和实时能力，完整系统使用Verilog硬件描述语言（HDL）进行建模。设计针对高性能Xilinx Virtex-7 FPGA（XC7VX485T）进行综合。以下小节全面分析了实现后的结果，重点关注资源利用、时序收敛和功耗。

硬件实现结果与协同仿真分析

本节评估所提出神经形态靶控输注（nTCI）系统的实时硬件性能。主要目标是验证在FPGA上实现的闭环麻醉深度（DoA）监测系统的功能，并严格将其输出与基线软件仿真进行比较。

为清晰概述硬件架构内的信号流，图5展示了简化的闭环控制系统。不同于

临床适用性与系统鲁棒性讨论

虽然前几节已成功展示了所提出硬件架构的超低延迟、零DSP占用和数学稳定性，但从在机FPGA原型过渡到真实临床环境引入了复杂的生理变量。在实际医疗环境中，数字闭环控制器与患者生物系统的相互作用由宏观时间动力学所支配，其速度天然慢于

结论

本文提出了一种高度资源高效的、完全数字化的神经形态架构，用于在FPGA上进行实时闭环麻醉调控。通过采用时分复用流水线、32位定点移位加法运算和双曲CORDIC核心，成功实现了一个由1000个AdEx神经元组成的大规模网络，且零DSP利用率。该设计的一个关键优势在于其内源性生物标志物提取方法，利用网络内部的平均发放率

利益冲突声明

作者声明他们没有已知的竞争性经济利益或个人关系，这些关系可能影响本文所报告的工作。

Wang Chuanguang | Li Yupeng | Zheng Fang | Zhou Jianwei | Yang Xinquan | Hao Xianglin | Pan Xiaotian | Yang Sufang