توصيفگر ها :
تراشه زير_شبكيه , تحريك دوقطبي , حسگر بينايي Cmos , تشخيص لبه , پردازش تصوير درون پيكسلي , اشتراك‌گذاري زماني الكترود , پردازش تصوير بر پايه‌ي زمان
چكيده فارسي :
رابط‌هاي مغز و ماشين (BMI) با اتصال به سيستم عصبي براي كنترل دستگاه‌ها و بازيابي فعاليت‌هاي عصبي استفاده مي‌شوند و تراشه‌هاي شبكيه با تحريك الكتريكي نورون‌ها بخشي از بينايي افراد نابينا را بازيابي مي‌كنند. پروتز شبكيه يك درمان اميدواركننده براي بيماري‌هاي شبكيه چشم است. تراشه‌هاي شبكيه مي‌توانند در سه محل مختلف شبكيه چشم (زير_شبكيه، روي_شبكيه و سوپراكرووئيدي-فراشبكيه‌اي) كاشته شوند. كاشت زير_شبكيه به دليل طراحي ساده و توليد تصاوير دقيق‌تر مورد توجه است، اما نياز به تقويت جريان و لايه‌هاي مياني سالم شبكيه دارد؛ همچنين در اين روش احتمال آسيب حرارتي وجود دارد. در كاشت زير_شبكيه بدون نياز به سخت‌افزار خارجي، تمام عمليات در تراشه مجتمع انجام مي‌گيرد. تراشه‌هاي روي_شبكيه با تحريك مستقيم سلول‌هاي گانگليوني وضوح بالاي تصوير را فراهم مي‌كنند، اما بيشتر آن‌ها نياز به دوربين خارجي دارند. در روش تحريك سوپراكرووئيدي-فراشبكيه‌اي (STS) الكترودها زير لايه مشيميه كاشته مي‌شوند و نيازي به جراحي داخل چشمي ندارند، اما اين روش به جريان تحريك بالاتر و حسگر تصوير خارجي نياز دارد.
انتخاب مناسب فوتوديود و روش سنجش نور تاثير زيادي بر محدوده‌ي ديناميكي شبكيه دارد. براي جلوگيري از آسيب به شبكيه، توان مصرفي تراشه بايد كمتر از مقدار آن در شبكيه طبيعي باشد و از پالس‌هاي دوفازي و مستطيلي براي تحريك ايمن استفاده شود. تحريك دوقطبي با تعداد بيشتر الكترود وضوح بالاتري فراهم مي‌كند ولي نياز به فضاي بيشتري دارد. براي بهبود وضوح فضايي و جلوگيري از تحريك ناخواسته، مديريت سطح جريان و بار تزريقي به بافت ضروري است. براي ماندگاري و دوام تراشه در ساخت نيز از مواد زيست سازگار استفاده مي‌شود.
بخش حسگر نور در تراشه‌هاي شبكيه، نور تابشي را با مدولاسيون‌هاي مختلف به سيگنال الكتريكي تبديل مي‌كند و اين بخش مي‌تواند داخلي يا خارجي باشد. بخش مولد جريان محرك در اين تراشه‌ها پالس‌هاي الكتريكي براي تحريك سلول‌هاي عصبي توليد مي‌كند و الكترودهاي آن با مواد زيست سازگار طراحي مي‌شوند. آزمايش‌هاي باليني نشان مي‌دهد كه بيماران با تحريك الكتريكي تنها مي‌توانند چندين مقياس خاكستري را با وضوح پايين تشخيص دهند. استفاده از تكنيك‌هاي پردازش تصوير در تراشه‌هاي شبكيه مي‌تواند دقت بينايي را افزايش و توان مصرفي را كاهش دهد. پردازش تصوير مي‌تواند آنالوگ، بر پايه‌ي فركانس و بر پايه‌ي زمان باشد.
اين پايان نامه دو تراشه پروتز زير_شبكيه ارائه مي‌كند كه در فناوري CMOS 0.18µm طراحي شده است. در هر دو تراشه براي بهبود محدوده‌ي ديناميكي، سنجش فوتوديود بر اساس زمان است. تراشه اول شامل بخش‌هاي حسگر و محرك دوفازي، قادر به توليد محرك‌هاي شبكيه متناسب با نور تابشي در ولتاژ V1 است. محدوده تحريك ديناميكي تراشه dB 27.3 و مصرف توان آن nW/pixel4.9 است. تراشه دوم با هدف به حداكثر رساندن تفاوت‌هاي شدت روشنايي، افزايش شدت بينايي بيماران و كاهش اطلاعات اضافي داراي امكان تشخيص لبه درون پيكسلي است. تشخيص لبه با استفاده از دو الگوريتم متفاوت بر پايه‌ي زمان پياده‌سازي شده است. در هر دو الگوريتم لبه به درستي تشخيص داده مي‌شود و مصرف توان به صورت قابل توجهي كاهش مي‌يابد. براي بخش پردازش تصوير اين تراشه دو مدار مقايسه كننده عرض پالس ارائه شده است. براي كاهش پراكندگي جريان و بهبود وضوح تصاوير از روش بازگشت بار محلي بر اساس تحريك دو قطبي استفاده شده است. همچنين به منظور كاهش توان مصرفي از اشتراك گذاري الكترودها و طرح كنترل متوالي استفاده شده است. اين تراشه كليه سيگنال‌هاي كنترلي موردنياز را در درون تراشه توليد مي‌كند. در تراشه داراي تشخيص لبه محدوده‌ي ديناميكي dB30 و توان حسگر nW/pixel1.18 است.
چكيده انگليسي :
Brain-machine interfaces (BMIs) are used to control devices and restore neural activities by connecting to the nervous system. Retinal chips restore a degree of vision in blind individuals by electrically stimulating neurons. Retinal prostheses are a promising treatment for retinal diseases. Retinal chips can be implanted in three different locations in the retina: subretinal, epiretinal, and suprachoroidal-transretinal (STS). Subretinal implantation is favored due to its simple design and more accurate image production, but it requires current amplification and healthy intermediate retinal layers; there is also a risk of thermal damage. In subretinal implantation, all operations are performed within the integrated chip without the need for external hardware. Epiretinal chips provide high-resolution images by directly stimulating ganglion cells, but most of them require an external camera. In the STS method, electrodes are implanted under the choroid layer, eliminating the need for intraocular surgery, but this method requires higher stimulation currents and an external image sensor. The appropriate selection of photodiodes and light sensing methods significantly impacts the dynamic range. To prevent retinal damage, the power consumption of the chip must be lower than that of the natural retina, and biphasic rectangular pulses should be used for safe stimulation. Biphasic stimulation with a higher number of electrodes provides higher resolution but requires more space. To improve spatial resolution and prevent unwanted stimulation, managing the current level and injected charge into the tissue is essential. Biocompatible materials are used in the construction to ensure the longevity and durability of the chip. The light sensing section in retinal chips converts incident light into electrical signals with various modulations, and this block can be either internal or external. The stimulator block in these chips produces electrical pulses to stimulate nerve cells, and its electrodes are designed with biocompatible materials. Clinical trials indicate that patients with electrical stimulation can only recognize a few gray levels with low resolution. Using image processing techniques in retinal chips can enhance visual accuracy and reduce power consumption. Image processing can be analog, frequency-based, or time-based. This thesis presents two subretinal prosthesis chips simulated in 0.18µm CMOS technology. Both chips utilize time-based photodiode sensing to improve dynamic range. The first chip includes a sensor and a biphasic stimulator, capable of generating retinal stimuli proportional to the incident light at a voltage of 1V. This chip exhibits a dynamic stimulation range of 27.3dB and a power consumption of 4.9nW/pixel. The second chip is designed to maximize visual contrast by detecting intra-pixel edges, thus enhancing patient vision and reducing extraneous information. Edge detection is implemented using two different time-based algorithms, both achieving accurate edge detection and significantly reduced power consumption. For image processing, this chip features two pulse-width comparator circuits. To minimize current leakage and improve image clarity, a local charge return method based on bipolar stimulation is used. Additionally, to reduce power consumption, electrode sharing and a sequential control scheme are employed. This chip generates all necessary control signals internally. The edge-detection chip exhibits a dynamic range of 30dB and a sensor power consumption of 1.18nW/pixel.
