?淺談光電探測器和圖像傳感器（十）：神經(jīng)形態(tài)傳感器

前言/

很久沒有更新圖像傳感器和光電探測器系列了！前段時間真的太忙了，導致很多留言過期不能回復，還請見諒哈~ 這周末難得有空，那就繼續(xù)更新吧~

前面的淺談光電探測器和圖像傳感器系列介紹了圖像傳感器的分類，常見光電探測器的原理、材料和器件結構、微光探測圖像傳感器、偏振探測圖像傳感器、X射線圖像傳感器、量子點圖像傳感器、新型圖像傳感器等內(nèi)容。

往期回顧如下：

二維材料熱載流子光電器件

淺談光電探測器和圖像傳感器（十）:光譜探測器與片上光譜儀（1）

淺談光電探測器和圖像傳感器（九）:量子點圖像傳感器（1）

淺談光電探測器和圖像傳感器（八）:新型傳感器之柔性圖像傳感器和透明圖像傳感器

淺談光電探測器和圖像傳感器（七）：X射線探測器（1）

淺談光電探測器和圖像傳感器（六）:從成像技術角度新型探測器之偏振探測

淺談光電探測器和圖像傳感器（五）-原理、材料、器件結構

淺談光電探測器與圖像傳感器（四）

淺談圖像傳感器和光電探測器(三)-微光探測上

淺談圖像傳感器（二）--讀者回復

淺談光電探測器與圖像傳感器（一）

01 新型傳感器/

隨著第四次工業(yè)革命(工業(yè)4.0)的到來,人工智能(AI)大模型的突破,具身智能(Embodied AI)的涌現(xiàn),物聯(lián)網(wǎng)(IoT)萬物互聯(lián)時代的到來,傳感器技術面臨著前所未有的機遇與挑戰(zhàn)。這一系列技術變革不僅推動了傳感器在應用場景上的多元化,更對其功能性能提出了更高的要求。

工業(yè)4.0：在智能工廠中,傳感器需要準確捕捉生產(chǎn)線上的各種參數(shù),如溫度、壓力、振動等,并能夠實時傳輸數(shù)據(jù),為生產(chǎn)過程的優(yōu)化和預測性維護提供依據(jù)。這就要求傳感器不僅要提高測量精度,還要增強抗干擾能力和數(shù)據(jù)處理能力。

AI大模型：AI大模型的發(fā)展需要海量數(shù)據(jù)，傳感器作為強大的“數(shù)據(jù)收集器”，其數(shù)據(jù)收集的有效性、可靠性、全面性是保證AI模型訓練的關鍵。在數(shù)據(jù)維度方面，傳感器需要能夠采集更加豐富和多維度的數(shù)據(jù),以滿足AI模型的訓練需求。在數(shù)據(jù)量方面，海量數(shù)據(jù)的直接采集對數(shù)據(jù)傳輸、存儲、處理都帶來了巨大困難，此外能耗也是不容忽視關鍵因素。因此需要傳感器具備低能耗、事件驅動型的特性，最好能配置邊緣計算，使其具備一定的本地處理能力,能夠在數(shù)據(jù)源頭進行初步的特征提取和分析,減輕中央處理系統(tǒng)的負擔。

IOT萬物互聯(lián) :物聯(lián)網(wǎng)（IoT） 和 傳感器 之間的關系，就像人的五感和大腦的關系。傳感器是物聯(lián)網(wǎng)的“眼”、“耳”、觸”、“鼻”、“舌”，負責感知周圍環(huán)境，并將感知到的數(shù)據(jù)轉化為數(shù)字信號。這些信號再通過網(wǎng)絡傳輸?shù)皆贫嘶虮镜?a class="article-link" target="_blank" href="/tag/%E6%9C%8D%E5%8A%A1%E5%99%A8/">服務器，經(jīng)過處理后，實現(xiàn)智能化的控制和決策?？梢哉f傳感器充當了物理世界和數(shù)字世界的連接接口。

傳感是實現(xiàn)IOT的關鍵技術，https://www.eetimes.eu/designers-guide-to-industrial-iot-sensor-systems/

Embodied AI:具身智能的研究推動了傳感器向仿生學方向發(fā)展。模仿人類感官系統(tǒng)的多模態(tài)傳感器正在成為研究熱點,如觸覺傳感器、視覺傳感器、神經(jīng)形態(tài)傳感器等。這些傳感器不僅要能夠準確感知外界環(huán)境,還要能夠像人類感官一樣進行快速的信息整合和反饋。

未來的傳感器將朝著高精度、多功能、智能化、低功耗的方向發(fā)展,以滿足工業(yè)4.0、AI、具身智能和物聯(lián)網(wǎng)等新興技術領域的多樣化需求。

02 神經(jīng)形態(tài)傳感器/

神經(jīng)形態(tài)傳感器具有邊緣數(shù)據(jù)處理、事件驅動、低功耗等特點。它們能夠僅發(fā)送必要的數(shù)據(jù)進行處理，而不是全部數(shù)據(jù)。

神經(jīng)形態(tài)最早是加州理工學院電氣工程和計算機科學教授Carver Mead提出。他出版了《Analog VLSI and neural system》，這是關于類腦工程或類腦計算的第一本書，書中提到“.. the use of very-large-scale integration (VLSI) systems containing electronic analog circuits to mimic neuro-biological architectures present in the nervous system.”。

神經(jīng)形態(tài)視覺的愿景是創(chuàng)造一個包含硬件開發(fā)，軟件支撐，生物神經(jīng)模型的智能視覺感知系統(tǒng)，其工作原理模擬生物智能體的視覺感知結構。神經(jīng)形態(tài)其與目前的“類腦智能”發(fā)展緊密相連，‘類腦’一詞被用來描述實現(xiàn)神經(jīng)系統(tǒng)模型的模擬、數(shù)字和混合模式模擬/數(shù)字VLSI及軟件系統(tǒng)（用于感知、運動控制或多感官整合）。

事件相機是一種代表性的神經(jīng)形態(tài)傳感器，近年來其成為了學術界研究熱點和企業(yè)界的關注焦點。事件相機（Event Camera）是從Dynamic Vision Sensor （DVS）發(fā)展過來的，而DVS的發(fā)展起源于1990年Misha Mahowald（Carver Mead的學生）在其博士論文中提到的“硅視網(wǎng)膜”。

神經(jīng)形態(tài)傳感實質上不是一個器件單體而是一套整體解決方案，事件相機僅是一個具體實現(xiàn)案例。光學傳感系統(tǒng)包括感知、計算、乃至光學前處理。因此作為一個完整解決方案，可以從不同角度實現(xiàn)神經(jīng)形態(tài)傳感，也可以從不同的功能層面去模擬人眼和人腦過程。
從硬件層面出發(fā)，神經(jīng)形態(tài)傳感器有三種設計思路，一種是在傳感器件后端加入邊緣處理芯片，比如POLYN通過在傳感器后立即利用特定應用的NASP前端芯片，為傳統(tǒng)傳感器添加智能。第二種是直接制備具有神經(jīng)形態(tài)特性的傳感像素，比如事件相機。第三種是在光學成像模組上引入神經(jīng)形態(tài)設計。

根據(jù)YOLE報告預測，根據(jù)Yole Group最新發(fā)布的報告，神經(jīng)形態(tài)計算和傳感在2034年將創(chuàng)造84億美元的市場。其受到了學術界、企業(yè)巨頭、初創(chuàng)公司的廣泛關注。

與神經(jīng)形態(tài)傳感緊密相關的是神經(jīng)形態(tài)計算，前面提到，實現(xiàn)神經(jīng)形態(tài)傳感的一個思路是保持像素層不變，而在數(shù)據(jù)處理層引入神經(jīng)形態(tài)計算芯片。神經(jīng)形態(tài)計算芯片受生物神經(jīng)系統(tǒng)啟發(fā)，這類芯片致力于模擬人腦的結構和功能，以實現(xiàn)更高效、更節(jié)能的計算方式。其核心優(yōu)勢在于低功耗、高并行性以及對復雜數(shù)據(jù)的處理能力，為人工智能、機器學習等領域帶來了新的突破。

近日，神經(jīng)形態(tài)計算公司SynSense收購類腦視覺傳感器公司iniVation，實現(xiàn)類腦傳感+神經(jīng)形態(tài)計算的強強聯(lián)合。結合事件感知和神經(jīng)網(wǎng)絡計算結合可以實現(xiàn)更高維的智能化?；谑录母兄ㄟ^將感官信息（例如視頻、音頻、雷達）編碼為尖峰流來解決冗余數(shù)據(jù)的問題。這些傳感器受到生物傳感器（視網(wǎng)膜和耳蝸）的時序編碼的啟發(fā)，這一時序脈沖感知信號與神經(jīng)形態(tài)尖峰算法（SNN）配合，從而可以實現(xiàn)探索腦啟發(fā)的感知與計算模型及傳感器的有機融合。

神經(jīng)形態(tài)計算面向更廣的應用場景，直接服務于當前的AL智能和大數(shù)據(jù)，預計在 2022 年至 2029 年的預測期內(nèi)將以 52.50% 的速度增長，到 2029 年預計將達到 346.1 億美元的價值。

03 事件相機/

事件相機與傳統(tǒng)的幀式相機不同，它不會像傳統(tǒng)相機那樣以固定的速率捕捉圖像，而是只在場景中發(fā)生變化時才記錄信息。這種獨特的機制賦予了事件相機許多傳統(tǒng)相機無法比擬的優(yōu)勢，例如：高動態(tài)范圍、低延遲、低功耗。

事件驅動的實現(xiàn)方案是在像素讀出電路部分設計類“差分”的設計邏輯,通過差分型視覺采樣及AER傳輸協(xié)議 實現(xiàn)只傳輸動的像素的數(shù)據(jù)。這一設計的主要優(yōu)勢在于：

1.低冗余數(shù)據(jù)：輸出異步稀疏脈沖也不存在“幀”的概念，不再受限于快門時間和幀率， 感知光強的變化，可消除靜態(tài)不變的視覺冗余；

2. 高時間分辨：采樣具有高時間分辨率，適用于高速運動視覺任務分析；

3. 高動態(tài)范圍：光電流與電壓的對數(shù)映射關系，增強了高低光照的感知能力進而提升動態(tài)范圍。

與傳統(tǒng)的高速相機比，事件相機的巧妙之處在于，其借助整體架構的配合實現(xiàn)對硬件要求的降低，從而實現(xiàn)整個系統(tǒng)的成本降低、體積縮小，同時由于其改變了數(shù)據(jù)采集和傳輸?shù)哪Ｊ?，大大降低?shù)據(jù)量，提高了設備的動態(tài)范圍。這是一個很成功的通過整體系統(tǒng)的設計來實現(xiàn)所需性能最優(yōu)的典型案例。

除了在像素電路設計上引入差分思想構建事件特性外，還可以在光電探測像素部分用同樣的思路構建差分光電響應。2023年，香港理工大學柴楊&華中科技大學何毓輝教授合作，在Nature Electronics上報告了一種事件驅動視覺傳感器，其通過兩個極性相反的PN光電二極管組成，構建差分型事件驅動。

04 神經(jīng)形態(tài)傳感器的主要應場景/

神經(jīng)形態(tài)傳感器常見的應用場景包括：機器人視覺、自動駕駛、高速運動物體檢測、低功耗感知、增強現(xiàn)實（AR）和虛擬現(xiàn)實（VR）、高動態(tài)范圍成像、眼動追蹤、工業(yè)監(jiān)測、高精度測量。其既可以作為高速相機的低成本替換產(chǎn)品，用于高速攝影應用中；又可以作為always-on的低功耗邊緣傳感用于安防、檢測等領域。

單分子定位顯微鏡 (Single-molecule localization microscopy, SMLM) 是一種超分辨率顯微鏡技術，它能夠突破傳統(tǒng)光學顯微鏡的衍射極限，實現(xiàn)納米尺度的成像。其實現(xiàn)超分辨的原理在于利用熒光分子的閃爍特性，將單個熒光分子在時間上進行分離，然后通過精確定位每個分子的位置，最終重建出高分辨率的圖像。根據(jù)這一原理可以看到，SMLM具有較強的事件特性，是一個很適合事件相機的應用場景。2023年巴黎文理研究大學Clément Cabriel， Ignacio Izeddin等，在Nature Photonics上發(fā)文，基于經(jīng)濟的事件傳感器，實現(xiàn)了單分子定位顯微鏡SMLM數(shù)據(jù)采集和處理。相比于傳統(tǒng)電子倍增電荷耦合器件或科學互補金屬氧化物半導體相機的視頻采集，基于事件的傳感器，在閃爍分子的位置上，提供了更高的時間分辨率和通量。

除了在大家熟知的消費和工業(yè)生產(chǎn)領域，事件相機等神經(jīng)形態(tài)傳感器在軍事和遙感領域都有重要應用。

全球定位系統(tǒng)（GPS）是軍事和商業(yè)定位、導航和定時應用的關鍵。全球定位系統(tǒng)的導航性能取決于能否可靠、無障礙地接收低功率衛(wèi)星信號。這些信號很容易受到干擾或欺騙。AFIT 自主與導航技術中心已投資于各種替代導航解決方案，以降低這種風險?；谑录鞲衅鞯囊曈X慣性測距（EVIO）導航就是其中一個研究領域。

測試中的系統(tǒng)（SUT）包括基于事件的傳感器（EBS）和慣性測量單元（IMU），安裝在 F-16D 上的可重構機載傳感器、通信和激光（RASCAL）吊艙中，以提高目視測距性能。EBS 通過硬件實現(xiàn)強度變化檢測。這種操作理念提高了時間分辨率和動態(tài)范圍，而且功耗低，有利于快速運動和低/變化的環(huán)境照明條件。SUT 的導航算法通過卡爾曼濾波器處理 EBS 圖像來識別特征運動，并輔以 IMU 數(shù)據(jù)來預測飛機的位置、速度和姿態(tài)。[參考自?專知智能防務?《基于事件傳感器的視覺慣性測距系統(tǒng)》美空軍98頁技術報告]

05 神經(jīng)形態(tài)傳感器相關公司和產(chǎn)品/

除了索尼、三星等傳感成像領域的巨頭之外，許多初創(chuàng)企業(yè)也積極投身神經(jīng)形態(tài)傳感領域。

領先的神經(jīng)擬態(tài)視覺傳感公司普諾飛思（Prophesee）于2023年推出業(yè)界首款專為超低功耗邊緣視覺設備集成設計的 Metavision? 事件視覺傳感器 GenX320。該新品為Prophesee第五代Metavision 傳感器產(chǎn)品。GenX320的推出將 Prophesee開創(chuàng)性的事件視覺技術平臺的應用范圍拓寬，擴展至快速增長的邊緣市場領域，覆蓋 AR/VR 設備、可穿戴設備、游戲、機器人、筆記本和平板電腦、物聯(lián)網(wǎng)設備等。

Voxelsensors正在開發(fā)一種新型“攝像頭”，每個傳感器都配備了所謂的“切換像素”(Switching Pixels?)，用于捕捉掃描激光“事件”發(fā)生的時間。該傳感器可以以每秒1億次的頻率發(fā)送事件信號。與通常所說的“事件攝像頭”不同，VoxelSensor采用了不同的工作方式，因為VoxelSensor的設計是用來尋找掃描激光的，所以它對該激光光非常敏感，同時對其他光源則會進行自抑制。由于激光和紅外輻射的眼部安全限制，在3D感知方面，更好的傳感器靈敏度意味著更好的范圍和分辨率。

銳思智芯公司推出的新型融合視覺傳感器，采用其獨創(chuàng)的Hybrid Vision融合視覺技術，將基于事件的視覺傳感器（EVS）和傳統(tǒng)的CIS圖像傳感器優(yōu)勢相結合。這種融合技術可以同步捕捉動態(tài)的事件信號和靜態(tài)的圖像信號。該傳感器通過捕捉動態(tài)的事件信號，傳感器能夠實現(xiàn)更低的延遲、更低的功耗和更小的數(shù)據(jù)量，從而提高效率。其次，通過疊加傳統(tǒng)的圖像信號數(shù)據(jù)，可以彌補幀率、數(shù)據(jù)量和動態(tài)范圍等方面的不足，完善圖像信息。這種融合技術突破了傳統(tǒng)視覺傳感器的瓶頸，能夠提供更全面的動靜態(tài)信息捕捉能力，為各種應用場景帶來更精準、更有效的視覺感知體驗

iniVation由基于事件視覺的發(fā)明者創(chuàng)立，是神經(jīng)形態(tài)視覺的先驅企業(yè)。目前已經(jīng)推出多款神經(jīng)形態(tài)視覺傳感器，目前該公司已被神經(jīng)形態(tài)計算公司SynSense收購。

初創(chuàng)公司Oculi提出“軟件定義視覺傳感器”概念，該公司開發(fā)出了一種視覺技術架構，其中傳感和處理都位于像素級。該公司稱之為傳感與處理單元（Sensing and Processing Unit, SPU）。

SPU基于像素級集成的存儲和計算功能，類似于人眼的工作方式。每個像素都包括了傳感和數(shù)字處理功能（邏輯單元和小存儲單元），使傳感器像素足夠智能，能夠在檢測到感興趣的內(nèi)容時提供信息。當然，如果應用需要，仍然能夠提供全幀圖像輸出。用戶可以選擇不同的輸出模式，通過軟件優(yōu)化隱私、延遲和功耗。Rizk補充稱，對于大多數(shù)應用，SPU的功耗為毫瓦級。

06 神經(jīng)形態(tài)與IOT 傳感器/

物聯(lián)網(wǎng)傳感器是連接物理世界與數(shù)字世界的橋梁，也是實現(xiàn)萬物互聯(lián)、人機交互、具身智能的關鍵。傳感器是現(xiàn)實與虛擬的橋梁，人與物的接口，物聯(lián)網(wǎng)傳感器就像人類的感官，可以感知溫度、濕度、光線、聲音、壓力、運動等各種物理量，并將其轉換為數(shù)字信號，以便計算機系統(tǒng)進行處理和分析。根據(jù)其感知的物理量，IOT傳感器可以分為以下幾類：

溫度傳感器：用于測量環(huán)境溫度，例如家用智能恒溫器、工業(yè)生產(chǎn)線溫度監(jiān)控等。

化學傳感器：用于檢測物質成分，也可用于可穿戴的醫(yī)療健康設備。

濕度傳感器：用于測量環(huán)境濕度，例如智能溫室、農(nóng)業(yè)灌溉系統(tǒng)等。

光傳感器：用于測量光強、光譜等信息，例如智能照明系統(tǒng)、物質識別。

視覺傳感器：用于實現(xiàn)成像和探測，比如人臉解鎖、姿態(tài)識別。

壓力傳感器：用于測量壓力，例如汽車輪胎壓力監(jiān)測系統(tǒng)、醫(yī)療設備等。

運動傳感器：用于檢測運動，例如智能安防系統(tǒng)、健身追蹤器等。

電磁傳感器：用于實現(xiàn)信號檢測、定位、流量監(jiān)測等。

聲音傳感器：用于檢測聲音，例如智能語音助手、噪音監(jiān)測系統(tǒng)等。

神經(jīng)形態(tài)IOT傳感器，顧名思義，是一種將神經(jīng)科學原理與物聯(lián)網(wǎng)技術相結合的傳感器。它模擬了生物神經(jīng)系統(tǒng)的運作方式，能夠以事件驅動的方式對外部刺激進行感知和響應，從而實現(xiàn)高效、低功耗的物聯(lián)網(wǎng)應用。事件相機是一種神經(jīng)形態(tài)IOT傳感器，但是值得注意的是，IOT傳感不局限于光，而是覆蓋了力、熱、光、電、磁、聲等多物理場的傳感、還涉及化學、氣體等感知需求。因此對傳感提出了更多元化的需求。

物聯(lián)網(wǎng)應用的認知轉型使得針對單個應用的優(yōu)化解決方案以及沉浸式技術（即虛擬現(xiàn)實（VR）和增強現(xiàn)實（AR））的整合成為可能；這些概念改變了個人和機器人事物之間以及與物聯(lián)網(wǎng)平臺系統(tǒng)之間的交互方式。在這種情況下，VR和AR功能與數(shù)字網(wǎng)絡融合，形成一個無縫的智能設備系統(tǒng)，設備之間更強的協(xié)作互動出現(xiàn)，為新的持續(xù)和環(huán)境數(shù)字體驗奠定了基礎。在這一強交互、強連接的IOT nueromorphic 藍圖中，傳感器的智能化使其實現(xiàn)智能無縫連接的關鍵。

從產(chǎn)業(yè)上看，神經(jīng)形態(tài)視覺傳感目前發(fā)展最為成熟，已經(jīng)有了相關的公司和產(chǎn)品，其他IOT傳感器還相對停留在研究階段。

07 神經(jīng)形態(tài)與可穿戴健康監(jiān)測/

神經(jīng)形態(tài)傳感器在可穿戴和健康監(jiān)測領域也將有較大的應用。由于傳感器在普適性和分布式網(wǎng)絡中的廣泛應用，功耗、處理速度和系統(tǒng)適應性對未來的智能可穿戴設備至關重要。神經(jīng)形態(tài)平臺微可穿戴傳感器提供了低功耗、低延遲、低數(shù)據(jù)量的解決方案。

北京理工大學沈國震教授課題組近日在《Nature Communications》期刊上發(fā)表題為“Neuroprosthetic contact lens enabled sensorimotor system for point-of-care monitoring and feedback of intraocular pressure”的學術論文。論文報道了一種用于眼壓即時監(jiān)測和感覺反饋的神經(jīng)形態(tài)隱形眼鏡（Ti?C?Tx-NCL），實現(xiàn)了眼壓信號的實時有效監(jiān)測，加強了眼睛和大腦之間的神經(jīng)傳遞。

/參考文獻/

[1] Zidan, M.A., Strachan, J.P. & Lu, W.D. The future of electronics based on memristive systems. Nat Electron 1, 22–29 (2018). https://doi.org/10.1038/s41928-017-0006-8

[2]Sensors 2020, 20(23), 6783; https://doi.org/10.3390/s20236783

[3]https://www.eetimes.eu/designers-guide-to-industrial-iot-sensor-systems/

[4]https://www.openpr.com/news/569466/global-iot-sensor-market-present-scenario-and-growth-prospects-2017-2022.html

[5]https://iot-analytics.com/5-iot-sensor-technologies/

[6]Howard, D., Eiben, A.E., Kennedy, D.F. et al. Evolving embodied intelligence from materials to machines. Nat Mach Intell 1, 12–19 (2019). https://doi.org/10.1038/s42256-018-0009-9

[7]Bartolozzi, C., Indiveri, G. & Donati, E. Embodied neuromorphic intelligence. Nat Commun 13, 1024 (2022). https://doi.org/10.1038/s41467-022-28487-2

[8]Cho, S.W., Jo, C., Kim, YH. et al. Progress of Materials and Devices for Neuromorphic Vision Sensors. Nano-Micro Lett. 14, 203 (2022). https://doi.org/10.1007/s40820-022-00945-y

[9]https://www.historyofinformation.com/detail.php?id=3900

[10]https://www.federicocorradi.it/index.php/research/neuromorphic-chips/

[11]VLSI Analogs of Neuronal Visual Processing: A Synthesis of Form and Function

[12]https://spectra.mathpix.com/article/2022.03.00339/event-camera-the-next-generation-of-visual-perception-system

[13]A 240 × 180 130 dB 3 μs Latency Global Shutter Spatiotemporal Vision Sensor

[14]https://rpg.ifi.uzh.ch/docs/scaramuzza/Tutorial_on_Event_Cameras_Scaramuzza.pdf

[15] https://rpg.ifi.uzh.ch/davis_data.html

[16] Zhou, Y., Fu, J., Chen, Z. et al. Computational event-driven vision sensors for in-sensor spiking neural networks. Nat Electron 6, 870–878 (2023). https://doi.org/10.1038/s41928-023-01055-2

[17] Cabriel, C., Monfort, T., Specht, C.G. et al. Event-based vision sensor for fast and dense single-molecule localization microscopy. Nat. Photon. 17, 1105–1113 (2023). https://doi.org/10.1038/s41566-023-01308-8

[18] Cabriel, C., Monfort, T., Specht, C.G. et al. Event-based vision sensor for fast and dense single-molecule localization microscopy. Nat. Photon. 17, 1105–1113 (2023). https://doi.org/10.1038/s41566-023-01308-8

[19]《基于事件傳感器的視覺慣性測距系統(tǒng)》

[20]Schuman, C.D., Kulkarni, S.R., Parsa, M. et al. Opportunities for neuromorphic computing algorithms and applications. Nat Comput Sci 2, 10–19 (2022). https://doi.org/10.1038/s43588-021-00184-y

[21]https://news.eeworld.com.cn/news/ic653975.html

[22]Liu, W., Du, Z., Duan, Z. et al. Neuroprosthetic contact lens enabled sensorimotor system for point-of-care monitoring and feedback of intraocular pressure. Nat Commun 15, 5635 (2024). https://doi.org/10.1038/s41467-024-49907-5

[23]https://www.yolegroup.com/industry-news/oculis-software-defined-vision-sensor-is-fresh-and-foreign/

[24]https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2021.611300/full

[25]IOT based wearable sensor for diseases prediction and symptom analysis in healthcare sector

[26]Cognitive Hyperconnected Digital Transformation Internet of Things Intelligence Evolution, Chapter: "A Smart Tags Driven Service Platform for Enabling Ecosystems of Connected Objects"