Advances in recording technologies now allow us to record populations of neurons simultaneously, data necessary to understand the network dynamics of the brain. Extracellular probes are fabricated with ever greater numbers of recording sites to capture the activity of increasing numbers of neurons. However, the utility of this extracellular data is limited by an initial analysis step, spike sorting, that extracts the activity patterns of individual neurons from the extracellular traces. Commonly used spike sorting methods require manual processing that limits their scalability, and errors can bias downstream analyses. Leveraging the replication of the activity from a single neuron on nearby recording sites, we designed a spike sorting method consisting of three primary steps: (1) a blind source separation algorithm to estimate the underlying source components, (2) a spike detection algorithm to find the set of spikes from each component best separated from background activity and (3) a classifier to evaluate if a set of spikes came from one individual neuron. To assess the accuracy of our method, we simulated multi-electrode array data that encompass many of the realistic variations and the sources of noise in in vivo neural data. Our method was able to extract individual simulated neurons in an automated fashion without any errors in spike assignment. Further, the number of neurons extracted increased as we increased recording site count and density. To evaluate our method in vivo, we performed both extracellular recording with our close-packed probes and a co-localized patch clamp recording, directly measuring one neuron’s ground truth set of spikes. Using this in vivo data we found that when our spike sorting method extracted the patched neuron, the spike assignment error rates were at the low end of reported error rates, and that our errors were frequently the result of failed spike detection during bursts where spike amplitude decreased into the noise. We used our in vivo data to characterize the extracellular recordings of burst activity and more generally what an extracellular electrode records. With this knowledge, we updated our spike detector to capture more burst spikes and improved our classifier based on our characterizations.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-09-04T15:04:55Z No. of bitstreams: 1 Marcos Vinicius Lopes.pdf: 7214975 bytes, checksum: 3d8e5de44c75de5f02b3f6101759f37a (MD5) / Made available in DSpace on 2017-09-04T15:04:55Z (GMT). No. of bitstreams: 1 Marcos Vinicius Lopes.pdf: 7214975 bytes, checksum: 3d8e5de44c75de5f02b3f6101759f37a (MD5) Previous issue date: 2013-02-27 / CAPES / Independent component analysis (ICA) is a method which objective is to find a non gaussian, linear or non linear representation such that the components are statistically independent. As a representation, tries to capture the input data essential structure. One of ICA applications is feature extraction. A main digital signal processing issue is finding a satisfactory representation, whether for image, speech signal or any signal type for purposes such as compression and de-noise. ICA can be aplied in this direction to propose generative models of the phenomena to be represented. This work presents the problem of spike classification in extracellular records, denominated spike sorting. It is assumed that the waveforms of spikes depend on factors such as the morphology of the neuron and the distance from the electrode, so that different neurons will present different forms of spikes. However, since different neurons may have similar spikes, what makes classification very difficult, the problem is even worse due to background noise and variation os spikes of the same neuron. The spike sorting algorithm is usually divided into three parts: firstly, the spikes are detected, then projected into a feature space (with possible dimensionality reduction) to facilitate differentiation between the waveforms from different neurons, finally the cluster algorithm is run for identifying these characteristics so the spikes from the same neuron. Here, we propose the use of ICA in feature extraction stage, being this step critical to the spike sorting process, thus distinguishing the activity of each neuron detected, supporting the analysis of neural population activity near the electrode. The method was compared with conventional techniques such as Principal Component Analysis and Wavelets, demonstrating a significant improvement in results. / A análise de componentes independentes (ICA, do inglês Indepdendent Component Analysis) é um método no qual o objetivo é encontrar uma representação linear ou não linear, não-gaussiana, tal que as componentes sejam estatisticamente independentes. Como uma representação busca capturar a estrutura essencial dos dados de entrada. Uma das aplicações de ICA é em extração de características. Um grande problema no processamento digital de sinais é encontrar uma representação adequada, seja para imagem, sinal de fala ou qualquer outro tipo de sinal para objetivos como compressão e remoção de ruído. ICA pode ser aplicada nesta direção ao tentar propor modelos geradores para os fenômenos a serem representados. Neste trabalho é apresentado o problema da classificação de espículas em gravações extracelulares, denominado spike sorting. Assume-se que as formas de onda das espículas dependem de fatores como a morfologia do neurônio e da distância deste para o eletrodo, então diferentes neurônios irão apresentar diferentes formas de espículas. Contudo diferentes neurônios podem apresentar espículas semelhantes, tornando a classificação mais difícil, o problema ainda é agravado devido ao ruído de fundo e a variação das espículas de um mesmo neurônio. O algoritmo de spike sorting geralmente é dividido em três partes: inicialmente as espículas são detectadas, em seguida são projetadas em um espaço de características (podendo haver redução de dimensionalidade) para facilitar a diferenciação entre as formas de onda de diferentes neurônios, por fim é feito o agrupamento dessas características identificando assim as espículas pertencentes ao mesmo neurônio. Aqui propomos a utilização de ICA na etapa de extração de características das espículas, sendo esta etapa crítica para o processo de spike sorting, permitindo assim distinguir a atividade de cada neurônio detectado, auxiliando a análise da atividade da população neural próxima ao eletrodo. O método foi comparado com técnicas convencionais como Análise de componentes principais (PCA, do inglês Principal Component Analysis) e Wavelets, demonstrando significativa melhora nos resultados.

We consider three problems, motivated by questions in computational neuroscience, related to recovering continuous quantities from binary or discrete data or measurements in the context of sparse structure. First, we show that it is possible to recover the norms of sparse vectors given one-bit compressive measurements, and provide associated guarantees. Second, we present a novel algorithm for spike-sorting in neural data, which involves recovering continuous times and amplitudes of events using discrete bases. This method, Continuous Orthogonal Matching Pursuit, builds on algorithms used in compressive sensing. It exploits the sparsity of the signal and proceeds greedily, achieving gains in speed and accuracy over previous methods. Lastly, we present a Bayesian method making use of hierarchical priors for entropy rate estimation from binary sequences. / text

A aquisição experimental de sinais neuronais é um dos principais avanços da neurociência. Por meio de observações da corrente e do potencial elétricos em uma região cerebral, é possível entender os processos fisiológicos envolvidos na geração do potencial de ação, e produzir modelos matemáticos capazes de simular o comportamento de uma célula neuronal. Uma prática comum nesse tipo de experimento é obter leituras a partir de um arranjo de eletrodos posicionado em um meio compartilhado por diversos neurônios, o que resulta em uma mistura de sinais neuronais em uma mesma série temporal. Este trabalho propõe um modelo linear de tempo discreto para o sinal produzido durante o disparo do neurônio. Os coeficientes desse modelo são calculados utilizando-se amostras reais dos sinais neuronais obtidas in vivo. O processo de modelagem concebido emprega técnicas de identificação de sistemas e processamento de sinais, e é dissociado de considerações sobre o funcionamento biofísico da célula, fornecendo uma alternativa de baixa complexidade para a modelagem do disparo neuronal. Além disso, a representação por meio de sistemas lineares permite idealizar um sistema inverso, cuja função é recuperar o sinal original de cada neurônio ativo em uma mistura extracelular. Nesse contexto, são discutidas algumas soluções baseadas em filtros adaptativos para a simulação do sistema inverso, introduzindo uma nova abordagem para o problema de separação de spikes neuronais. / The experimental acquisition of neuronal signals is a major advance in neuroscience. Through observations of electric current and potential in a brain region, it is possible to understand the physiological processes involved in the action potential generation, and create mathematical models capable of simulating the behavior of the neuronal cell. A common practice in this kind of experiment is to obtain readings from an array of electrodes positioned in a medium shared by several neurons, which results in a mixture of neuronal signals in the same time series. This work proposes a discrete-time linear model of the neuronal signal during the firing of the cell. The coefficients of this model are estimated using real samples of the neuronal signals obtained in vivo. The conceived modeling process employs system identification and signal processing concepts, and is dissociated from any considerations about the biophysical function of the neuronal cell, providing a low-complexity alternative to model the neuronal spike. In addition, the use of a linear representation allows the idealization of an inverse system, whose main purpose is to recover the original signal of each active neuron in a given extracellular mixture. In this context, some solutions based on adaptive filters are discussed for the inverse model simulation, introducing a new approach to the problem of neuronal spike separation.

A aquisição experimental de sinais neuronais é um dos principais avanços da neurociência. Por meio de observações da corrente e do potencial elétricos em uma região cerebral, é possível entender os processos fisiológicos envolvidos na geração do potencial de ação, e produzir modelos matemáticos capazes de simular o comportamento de uma célula neuronal. Uma prática comum nesse tipo de experimento é obter leituras a partir de um arranjo de eletrodos posicionado em um meio compartilhado por diversos neurônios, o que resulta em uma mistura de sinais neuronais em uma mesma série temporal. Este trabalho propõe um modelo linear de tempo discreto para o sinal produzido durante o disparo do neurônio. Os coeficientes desse modelo são calculados utilizando-se amostras reais dos sinais neuronais obtidas in vivo. O processo de modelagem concebido emprega técnicas de identificação de sistemas e processamento de sinais, e é dissociado de considerações sobre o funcionamento biofísico da célula, fornecendo uma alternativa de baixa complexidade para a modelagem do disparo neuronal. Além disso, a representação por meio de sistemas lineares permite idealizar um sistema inverso, cuja função é recuperar o sinal original de cada neurônio ativo em uma mistura extracelular. Nesse contexto, são discutidas algumas soluções baseadas em filtros adaptativos para a simulação do sistema inverso, introduzindo uma nova abordagem para o problema de separação de spikes neuronais. / The experimental acquisition of neuronal signals is a major advance in neuroscience. Through observations of electric current and potential in a brain region, it is possible to understand the physiological processes involved in the action potential generation, and create mathematical models capable of simulating the behavior of the neuronal cell. A common practice in this kind of experiment is to obtain readings from an array of electrodes positioned in a medium shared by several neurons, which results in a mixture of neuronal signals in the same time series. This work proposes a discrete-time linear model of the neuronal signal during the firing of the cell. The coefficients of this model are estimated using real samples of the neuronal signals obtained in vivo. The conceived modeling process employs system identification and signal processing concepts, and is dissociated from any considerations about the biophysical function of the neuronal cell, providing a low-complexity alternative to model the neuronal spike. In addition, the use of a linear representation allows the idealization of an inverse system, whose main purpose is to recover the original signal of each active neuron in a given extracellular mixture. In this context, some solutions based on adaptive filters are discussed for the inverse model simulation, introducing a new approach to the problem of neuronal spike separation.

Neural prostheses are being developed to provide motor capabilities to patients who suffer from motor-debilitating diseases and conditions. These brain-computer interfaces (BCI) will be controlled by activity from the brain and bypass damaged parts of the spinal cord or peripheral nervous system to re-establish volitional control of motor output. Spike sorting is a technologically expensive component of the signal processing chain required to interpret population spike activity acquired in a BCI. No systematic analysis of the need for spike sorting has been carried out and little is known about the effects of spike sorting error on the ability of a BCI to decode intended motor commands. We developed a theoretical framework and a modelling environment to examine the effects of spike processing on the information available to a BCI decoder. Shannon information theory was applied to simulated neural data. Results demonstrated that reported amounts of spike sorting error reduce mutual information (MI) significantly in single-unit spike trains. These results prompted investigation into how much information is available in a cluster of pooled signals. Indirect information analysis revealed the conditions under which pooled multi-unit signals can maintain the MI that is available in the corresponding sorted signals and how the information loss grows with dissimilarity of MI among the pooled responses. To reveal the differences in non-sorted spike activity within the context of a BCI, we simulated responses of 4 neurons with the commonly observed and exploited cosine-tuning property and with varying levels of sorting error. Tolerances of angular tuning differences and spike sorting error were given for MI loss due to pooling under various conditions, such as cases of inter- and/or intra-electrode differences and combinations of various mean firing rates and tuning depths. These analyses revealed the degree to which mutual information loss due to pooling spike activity depended upon differences in tuning between pooled neurons and the amount of spike error introduced by sorting. The theoretical framework and computational tools presented in this dissertation will BCI system designers to make decisions with an understanding of the tradeoffs between a system with and without spike sorting. / Dissertation

No description available.

No description available.

O registro de sinais neurais através de matrizes de microeletrodos implantáveis no meio extracelular do córtex cerebral tem-se tornado um paradigma experimental para a neurociência. Por outro lado, a pesquisa recente sobre neuropróteses motoras tem mostrado que é possível decodificar comandos motores a partir dos sinais registrados no meio extracelular do córtex cerebral. Em ambos os contextos, neurociência experimental e desenvolvimento de neuropróteses motoras, um dos aspectos encontrados no estado da arte ´e a utilização de circuitos integrados (chips) implantados no cérebro. Nesses chips, os sinais neurais medidos com os microeletrodos são amplificados, filtrados, processados e transmitidos a um computador externo mediante fios que atravessam o crânio. Existe o interesse em desenvolver chips implantáveis que transmitam os sinais ao computador externo sem a necessidade de fios que atravessem o crânio. Na pesquisa do estado da arte tem-se encontrado a utilização de tais chips implantáveis sem fio em ratos e macacos, porém até a data da elaboração deste texto não foram encontrados relatos da aplicação em humanos. Um dos aspectos que deve se levar em consideração no desenvolvimento de interfaces neurais implantáveis sem fio é a largura de banda do canal de comunicação. Quanto maior a quantidade de dados a serem transmitidos, maior a largura de banda necessária e maior o aquecimento do chip devido à dissipação de potência. Esta tese aborda sistemas de processamento de sinais neurais extracelulares que tem como objetivo reduzir a quantidade de dados a serem transmitidos e assim viabilizar a transmissão sem fio. Para poder ser integrados dentro do chip implantável, esses sistemas de processamento devem estar otimizados em termos de área e consumo de potência. Dois processamentos encontrados na pesquisa de interfaces neurais implantáveis são a detecção de impulsos elétricos e a separação de impulsos elétricos (Spike Sorting). Nesta tese apresentam-se soluções para esses tipos de processamentos visando a implementação mediante tecnologia CMOS (Complementary Metal Oxide Semiconductor). Para o caso da detecção de impulsos elétricos (spikes), nesta tese apresenta-se uma alternativa de implementação em hardware de um operador matemático conhecido como operador não linear de energia (NEO do inglês Nonlinear Energy Operator) ou operador Teager. Através da aplicação desse operador a um sinal neural evidencia-se a presença de spikes e atenua-se o ruído. Uma das características inovadoras da implementação apresentada nesta tese é a utilização de um circuito elevador ao quadrado que consiste de apenas três transistores, como bloco funcional básico para a realização da operação NEO. O circuito NEO desenvolvido consome 300 pJ no processamento de um spike e foi caracterizado por simulação até em 30 kHz, frequência que é compatível com as taxas de amostragem encontradas na literatura. O outro processamento abordado nesta tese, conhecido como separação de impulsos elétricos ou Spike Sorting, consiste no agrupamento dos impulsos elétricos registrados por um eletrodo em categorias, de maneira que em uma categoria estejam os impulsos gerados por um mesmo neurônio. Em outras palavras, o objetivo é reconhecer quais dos impulsos elétricos medidos pelo eletrodo pertencem a um mesmo neurônio, sendo possível que vários neurônios influenciem na medida realizada por um único eletrodo. Uma solução para a separação de impulsos, apropriada no contexto de sistemas implantáveis, é o template matching. Essa técnica baseia-se na geração de modelos (templates) durante uma fase inicial ao final da qual o número de templates gerados corresponde ao número de neurônios identificados pelo eletrodo. Numa fase seguinte, o sistema associa cada impulso elétrico detectado a um dos modelos inicialmente gerados. Nesta tese propõe-se um sistema de classificação que executa essa segunda fase do processo de spike sorting. Nesta tese apresenta-se o projeto de um sistema de classificação de spikes baseado na t écnica template matching, implementado com tecnologia CMOS. A implementação proposta nesta tese baseia-se na representação de amostras analógicas mediante o tempo. Esse tipo de representação de sinais analógicos mediante atrasos de pulsos digitais está sendo muito utilizado como alternativa à representação no domínio da tensão, da corrente ou da carga elétrica. A vantagem desse tipo de representação é que não se vê severamente afetada pela redução da tensão de alimentação dos circuitos integrados fabricados em tecnologias submicrométricas. A taxa de acerto na classificação do sistema desenvolvido é maior que 99% inclusive considerando um offset de até 20mV no comparador de saída. Os circuitos apresentados neste trabalho foram projetados considerando dispositivos da tecnologia TSMC de 90nm. / Neural signals recording through implantable microelectrode arrays in cortex extracellular medium has become an experimental paradigm for neuroscience. Moreover, recent research about motor neuroprostheses has shown that it is possible to decode motor commands from the signals recorded in the cerebral cortex extracellular medium. In both situations, experimental neuroscience and motor neuroprostheses development, one of the issues encountered in the state-of-the-art is the use of integrated circuits (chips) implanted in the brain. In these chips, neural signals measured with microelectrodes are amplified, filtered, processed, and transmitted to an external computer through wires that run through the skull. There is interest in developing implantable chips that transmit signals to the external computer without the need for wires passing through the skull. In the survey of the state-of-the-art it has found the use of such implantable wireless chips in rats and monkeys, but until the date of this writing we have not found reports of application in humans. One of the aspects that must be taken into account in the development of wireless implantable neural interfaces is the bandwidth of the communication channel. The greater the amount of data to be transmitted, the greater the bandwidth required and higher chip heating due to power dissipation. This thesis deals with extracellular neural signals processing systems that aim to reduce the amount of data to be transmitted and in this way to enable wireless transmission. In order to integrate them into an implantable chip, those processing systems must be optimized in terms of area and power consumption. Two processes found in the research of implantable neural interfaces are spike detection and spike sorting. In this thesis solutions for these types of processing are presented considering their implementation by CMOS (Complementary Metal Oxide Semiconductor). For the case of spike detection in this thesis it is presented an alternative for the hardware implementation of a mathematical operator known as NEO (Nonlinear Energy Operator). Through the application of this operator to a neural signal the presence of spikes becomes evident and the noise is attenuated. One of the innovative characteristics of the implementation presented in this thesis is the use of a squarer circuit which consists of only three transistors, as a basic function block for performing operation of NEO. NEO circuit consumes 300 pJ in processing a spike, and was characterized by simulation up to 30 kHz, frequency which is compatible with sampling rates found in the literature. The other processing discussed in this thesis, known as Spike Sorting, is the grouping of electrical impulses recorded by an electrode into categories so that the spikes belonging to the same category were generated by a single neuron. In other words, the goal is to recognize which of the spikes measured by the electrode belong to the same neuron, given that it is possible that several neurons influence the measure performed by a single electrode. A solution for the Spike Sorting suitable in the context of implantable systems, is the template matching. This technique is based on generating templates during an initial phase at the end of which the number of generated templates corresponds to the number of neurons identified by the electrode. In the next phase, the system associates each detected spike to one of the templates generated initially. In this thesis it is proposed a classification systems which performs that second phase of the spike sorting process. This thesis presents the design of a spike classification system based on template matching technique, implemented in CMOS technology. The processing proposed in this work is based on the time-based representation of the analog samples. This kind of representation of analog signals by delays of digital pulses is being widely used as an alternative to the classical representation of samples by voltage, current or electric charge. The advantage of this time-mode representation is that it is not severely affected by reduced supply voltage of integrated circuits manufactured in sub-micrometer technologies. The classification hit rate of the developed system is greater than 99% even when an offset of 20 mV is assumed for the output comparator. All the circuits presented in this work were designed using devices from TSMC 90nm technology.

O registro de sinais neurais através de matrizes de microeletrodos implantáveis no meio extracelular do córtex cerebral tem-se tornado um paradigma experimental para a neurociência. Por outro lado, a pesquisa recente sobre neuropróteses motoras tem mostrado que é possível decodificar comandos motores a partir dos sinais registrados no meio extracelular do córtex cerebral. Em ambos os contextos, neurociência experimental e desenvolvimento de neuropróteses motoras, um dos aspectos encontrados no estado da arte ´e a utilização de circuitos integrados (chips) implantados no cérebro. Nesses chips, os sinais neurais medidos com os microeletrodos são amplificados, filtrados, processados e transmitidos a um computador externo mediante fios que atravessam o crânio. Existe o interesse em desenvolver chips implantáveis que transmitam os sinais ao computador externo sem a necessidade de fios que atravessem o crânio. Na pesquisa do estado da arte tem-se encontrado a utilização de tais chips implantáveis sem fio em ratos e macacos, porém até a data da elaboração deste texto não foram encontrados relatos da aplicação em humanos. Um dos aspectos que deve se levar em consideração no desenvolvimento de interfaces neurais implantáveis sem fio é a largura de banda do canal de comunicação. Quanto maior a quantidade de dados a serem transmitidos, maior a largura de banda necessária e maior o aquecimento do chip devido à dissipação de potência. Esta tese aborda sistemas de processamento de sinais neurais extracelulares que tem como objetivo reduzir a quantidade de dados a serem transmitidos e assim viabilizar a transmissão sem fio. Para poder ser integrados dentro do chip implantável, esses sistemas de processamento devem estar otimizados em termos de área e consumo de potência. Dois processamentos encontrados na pesquisa de interfaces neurais implantáveis são a detecção de impulsos elétricos e a separação de impulsos elétricos (Spike Sorting). Nesta tese apresentam-se soluções para esses tipos de processamentos visando a implementação mediante tecnologia CMOS (Complementary Metal Oxide Semiconductor). Para o caso da detecção de impulsos elétricos (spikes), nesta tese apresenta-se uma alternativa de implementação em hardware de um operador matemático conhecido como operador não linear de energia (NEO do inglês Nonlinear Energy Operator) ou operador Teager. Através da aplicação desse operador a um sinal neural evidencia-se a presença de spikes e atenua-se o ruído. Uma das características inovadoras da implementação apresentada nesta tese é a utilização de um circuito elevador ao quadrado que consiste de apenas três transistores, como bloco funcional básico para a realização da operação NEO. O circuito NEO desenvolvido consome 300 pJ no processamento de um spike e foi caracterizado por simulação até em 30 kHz, frequência que é compatível com as taxas de amostragem encontradas na literatura. O outro processamento abordado nesta tese, conhecido como separação de impulsos elétricos ou Spike Sorting, consiste no agrupamento dos impulsos elétricos registrados por um eletrodo em categorias, de maneira que em uma categoria estejam os impulsos gerados por um mesmo neurônio. Em outras palavras, o objetivo é reconhecer quais dos impulsos elétricos medidos pelo eletrodo pertencem a um mesmo neurônio, sendo possível que vários neurônios influenciem na medida realizada por um único eletrodo. Uma solução para a separação de impulsos, apropriada no contexto de sistemas implantáveis, é o template matching. Essa técnica baseia-se na geração de modelos (templates) durante uma fase inicial ao final da qual o número de templates gerados corresponde ao número de neurônios identificados pelo eletrodo. Numa fase seguinte, o sistema associa cada impulso elétrico detectado a um dos modelos inicialmente gerados. Nesta tese propõe-se um sistema de classificação que executa essa segunda fase do processo de spike sorting. Nesta tese apresenta-se o projeto de um sistema de classificação de spikes baseado na t écnica template matching, implementado com tecnologia CMOS. A implementação proposta nesta tese baseia-se na representação de amostras analógicas mediante o tempo. Esse tipo de representação de sinais analógicos mediante atrasos de pulsos digitais está sendo muito utilizado como alternativa à representação no domínio da tensão, da corrente ou da carga elétrica. A vantagem desse tipo de representação é que não se vê severamente afetada pela redução da tensão de alimentação dos circuitos integrados fabricados em tecnologias submicrométricas. A taxa de acerto na classificação do sistema desenvolvido é maior que 99% inclusive considerando um offset de até 20mV no comparador de saída. Os circuitos apresentados neste trabalho foram projetados considerando dispositivos da tecnologia TSMC de 90nm. / Neural signals recording through implantable microelectrode arrays in cortex extracellular medium has become an experimental paradigm for neuroscience. Moreover, recent research about motor neuroprostheses has shown that it is possible to decode motor commands from the signals recorded in the cerebral cortex extracellular medium. In both situations, experimental neuroscience and motor neuroprostheses development, one of the issues encountered in the state-of-the-art is the use of integrated circuits (chips) implanted in the brain. In these chips, neural signals measured with microelectrodes are amplified, filtered, processed, and transmitted to an external computer through wires that run through the skull. There is interest in developing implantable chips that transmit signals to the external computer without the need for wires passing through the skull. In the survey of the state-of-the-art it has found the use of such implantable wireless chips in rats and monkeys, but until the date of this writing we have not found reports of application in humans. One of the aspects that must be taken into account in the development of wireless implantable neural interfaces is the bandwidth of the communication channel. The greater the amount of data to be transmitted, the greater the bandwidth required and higher chip heating due to power dissipation. This thesis deals with extracellular neural signals processing systems that aim to reduce the amount of data to be transmitted and in this way to enable wireless transmission. In order to integrate them into an implantable chip, those processing systems must be optimized in terms of area and power consumption. Two processes found in the research of implantable neural interfaces are spike detection and spike sorting. In this thesis solutions for these types of processing are presented considering their implementation by CMOS (Complementary Metal Oxide Semiconductor). For the case of spike detection in this thesis it is presented an alternative for the hardware implementation of a mathematical operator known as NEO (Nonlinear Energy Operator). Through the application of this operator to a neural signal the presence of spikes becomes evident and the noise is attenuated. One of the innovative characteristics of the implementation presented in this thesis is the use of a squarer circuit which consists of only three transistors, as a basic function block for performing operation of NEO. NEO circuit consumes 300 pJ in processing a spike, and was characterized by simulation up to 30 kHz, frequency which is compatible with sampling rates found in the literature. The other processing discussed in this thesis, known as Spike Sorting, is the grouping of electrical impulses recorded by an electrode into categories so that the spikes belonging to the same category were generated by a single neuron. In other words, the goal is to recognize which of the spikes measured by the electrode belong to the same neuron, given that it is possible that several neurons influence the measure performed by a single electrode. A solution for the Spike Sorting suitable in the context of implantable systems, is the template matching. This technique is based on generating templates during an initial phase at the end of which the number of generated templates corresponds to the number of neurons identified by the electrode. In the next phase, the system associates each detected spike to one of the templates generated initially. In this thesis it is proposed a classification systems which performs that second phase of the spike sorting process. This thesis presents the design of a spike classification system based on template matching technique, implemented in CMOS technology. The processing proposed in this work is based on the time-based representation of the analog samples. This kind of representation of analog signals by delays of digital pulses is being widely used as an alternative to the classical representation of samples by voltage, current or electric charge. The advantage of this time-mode representation is that it is not severely affected by reduced supply voltage of integrated circuits manufactured in sub-micrometer technologies. The classification hit rate of the developed system is greater than 99% even when an offset of 20 mV is assumed for the output comparator. All the circuits presented in this work were designed using devices from TSMC 90nm technology.