« Systèmes sensoriels/Implants Neurosensoriels » : différence entre les versions

 

Comme le nom le suggère, les implants sous-rétiniens sont des prothèses visuelles situées derrière la rétine. Par conséquent, l'implant est situé le plus près possible des photorécepteurs endommagés, dans le but de contourner les tiges et les cônes et de stimuler les cellules bipolaires dans la couche nerveuse suivante de la rétine. Le principal avantage de cette approche réside dans le fait que le traitement du signal visuel qui se produit entre les photorécepteurs et les cellules bipolaires et qui doit être imité par l’implant est relativement faible. C'est-à-dire que des informations visuelles brutes, par exemple capturées par une caméra vidéo, peuvent être transmises directement au MEA, ou avec un traitement relativement rudimentaire du signal, peuvent stimuler les cellules bipolaires, ce qui simplifie la procédure du point de vue du traitement du signal. Cependant, cette approche présente de graves inconvénients. La résolution spatiale élevée des photorécepteurs dans la rétine humaine pose un défi majeur au développement et à la conception d'un MEA avec une résolution de stimulation suffisamment élevée et, par conséquent, avec un faible espacement entre les électrodes. De plus, l'empilement des couches nerveuses dans la direction z (avec le plan x-y tangent à la courbure de la rétine) ajoute une autre difficulté lorsqu'il s'agit de placer les électrodes à proximité des cellules bipolaires. Avec le MAE situé derrière la rétine, il y a un écart spatial important à combler entre les électrodes et les cellules cibles. Comme mentionné ci-dessus, une distance accrue entre les électrodes et les cellules cibles oblige le MAE à fonctionner avec des courants plus élevés, augmentant la taille des électrodes, le nombre de cellules dans la plage de stimulation d'une seule électrode ainsi que la séparation spatiale entre les électrodes adjacentes. Tout cela aboutit à une diminution de la résolution de stimulation et soumet la rétine à un risque de lésion tissulaire provoqué par des densités de charge trop élevées. Comme indiqué ci-dessous, un moyen de surmonter les grandes distances entre les électrodes et les cellules cibles consiste à faire pousser les projections des cellules sur des distances plus longues et directement sur l'électrode.

En 2010, un groupe de recherche allemand, en collaboration avec la société privée allemande «Retina Implant AG», a publié les résultats d'études impliquant des tests sur implants sous-rétiniens chez l'homme <ref name="zrenner">

{{cite journal

[[File:Spike cutouts sorted.png|left|thumb|alt=Aligned spike waveforms|Les pics sont colorées en fonction de leur attribution à différents neurones. La trace bleue n'a pas pu être attribuée.]]

L'aspect principal d'un enregistrement analysé dans un enregistrement de microélectrode est la suite de potentiels. Un neurone peut être identifié par son activité de pics puisque le timing de chaque événement dépend de la taille, de la forme et de la position du neurone par rapport à l'électrode. Lors de l'enregistrement à partir de milliers de neurones, le spike sorting devient un défi pour l’effet cocktail party. Avec plusieurs neurones proches les uns des autres, il est très facile pour une électrode d’enregistrer les signaux de plusieurs neurones. Par conséquent, le spike sorting doit identifier un seul neurone par son «bavardage» électrique alors que de nombreux «bavardages» en arrière-plan se produisent également. Le spike sorting est un processus en plusieurs étapes qui extrait les données brutes de la population de neurones et attribue des pointes à un seul neurone malgré ce bruit de fond.

Le processus de spike sorting peut comporter les étapes suivantes: Prétraitement des données brutes → Détection de pics → Extraction de pics et alignement → Extraction de caractéristiques → Regroupement → Classification. Dans ce flux de travail général, un algorithme de spike sorting prend les données brutes de la population neuronale et les pré-traite en filtrant la partie basse fréquence du potentiel d’action (bruit). Les pics sont ensuite détectées en définissant un seuil de tension. Ensuite, les formes d’onde de pics extraits doivent être alignées dans le temps, dans le respect d’une caractéristique générale du potentiel d’action, telle que sa position. Ensuite, les caractéristiques sont extraites de chaque forme d'onde individuelle à l'aide d'une analyse en composantes principales ou en ondelettes, ce qui est nécessaire pour réduire les données aux dimensions nécessaires contenant les informations d'intérêt. Les pics sont ensuite regroupés afin de créer un modèle pour un seul neurone. Ceci est fait pour les tous neurones individuels dans les données. Il n’existe pas d’algorithme de tri «unique» pour les pics, car les enregistrements sur plusieurs électrodes peuvent différer d’un type de cellule à l’autre, d’une espèce à l’autre et du type d’enregistrement effectué. Par conséquent, les algorithmes doivent être ajustés et optimisés pour produire des résultats pouvant représenter avec précision les données brutes. Cependant, une fois que les données ont été triées avec précision, il est possible d’acquérir un tas d’informations telles que les intervalles entre pics, les périodes réfractaires et la possibilité de tracer les données de neurones individuels les uns par rapport aux autres pour détecter les différences <ref name="Einevoll">

{{cite journal