建模与模拟眼动行为以支持视网膜植入物的发展金宝app

在北美，老年性黄斑变性是导致视力丧失的主要原因视网膜眼球内层是眼睛内部的光敏组织层。视网膜作为光感受器，让光线通过角膜和眼睛的视觉系统。直到最近，视网膜受损导致的视力丧失是不可逆转的。

在Nano-Retina，我们正在开发Bio-Retina，一种人工视网膜，旨在恢复视网膜退行性疾病患者的功能性视力。Bio-Retina尺寸仅为3mm x 4mm，完全独立，将通过微创手术植入眼睛(图1)。

生物视网膜将通过眼睛的光学系统接收到的光转化为电信号，刺激健康视网膜所能刺激的神经元。第一代设备能够表示大约600像素的图像，将恢复20/200的视力。我们预计第二代Bio-Retina将提供更高的空间分辨率(图2)。金宝搏官方网站

在投入硬件之前，我们需要通过在日常场景下测试来验证我们的设计，比如开车、看电视，或者只是在走廊上走。为此，我们在MATLAB中创建了一个系统模型^®和仿真软金宝app件^®结合了眼睛的光学和运动，环境因素，以及生物视网膜的模拟和数字子系统。通过在多个场景下模拟模型，我们获得了对系统行为的更深入的洞察，而不是在单个组件或设计元素上运行单独的模拟。

建模眼睛光学和运动

我们完整的Simulink金宝app模型包括一个成像仪的植物模型(眼球运动和光学行为);模拟前端模型，包括Bio-Retina的光电二极管;数字处理子系统，它生成用于刺激神经活动的信号(图3)。该模型还包括一个分析仪子系统块，我们用它来评估神经刺激信号。

系统模拟和数字模型使我们能够在硅中实现我们的设计之前对系统进行广泛的模拟。其他程序也可用于模拟这两个模型，但是Simulink环境为我们提供了将模型与其他非电气子系统(如人眼、环境条件和人类对被刺激模式的感知)结合起金宝app来的多功能性和灵活性。

成像仪模型捕捉所有影响光照射光电二极管的生物和环境因素。在这些因素中最重要的是眼睛的运动。在正常情况下，我们的眼睛会以被称为扫视的自主运动不断扫描我们面前的物体。即使当我们的目光固定在一个物体上时，眼睛也会表现出微小的、不自觉的运动，即微眼跳。这种行为可以通过观察面部并记录眼球运动来捕捉(图4)。

这样的运动可以影响处理单元的唤起频率，其中一些我们想要保留，而另一些则要抑制。我们的模型解释了这些运动，以及当一个人环顾四周时，眼睛自然发生的更大的运动，从而可以全面描述植入物如何管理这些运动。除了运动效果外，该成像仪模型还捕捉到由眨眼、近视等光学条件以及眼睛光学系统的其他特征引起的光线到达视网膜的微妙变化。

在光线到达眼睛之前影响光线的各种环境条件也在Simulink中建模。金宝app这些条件包括荧光灯的闪烁，电影和电视节目的帧率，LED显示屏的刷新率，以及大范围的光强(例如，在月光和明亮的阳光之间)。

仿真与验证

模拟向我们展示了环境条件、眼球运动和系统参数的各种组合如何影响整体性能，使我们更好地了解Bio-Retina的能力和局限性。模拟还使我们能够在几乎无限数量的使用场景下测试系统的性能。

我们在MATLAB中开发了一个接口，以便更容易地配置模拟运行的参数，并自动化数据收集和处理(图5)。

在模拟过程中，我们向成像子系统提供静态图像或图像流。成像子系统的输出由模拟子系统处理。模拟子系统的输出再经过数字处理子系统的处理，生成相应的神经刺激信号。

为了评估植入受体可能感知这些神经刺激信号的方式，我们依赖于分析仪子系统，它将信号脉冲转换回图像，我们可以将图像与最初用作系统输入的图像进行比较。作为第二个验证步骤，我们使用分析器子系统的Simulink模型来确保刺激信号的振幅和频率都在既定的范围内。金宝app

硬件实现与测试

当我们致力于第二代Bio-Retina植入物时，我们继续使用Simulink，通过眼睛和我们的设备一起工作的系统级模拟来深入了解设计。金宝app当第二代设备准备好进行测试时，我们将从Simulink仿真中生成测试用例，并将硬件测试结果与仿真结果进行比较，以验证硬件实现并改进未来的仿真模型。金宝app