定量化ニューラルネットワークを使用して,デバイス内でのリアルタイムEKGバイオメトリック分類の実現可能性を検討する

科学分野:

• バイオメディカルエンジニアリング
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• ウェアラブル・テクノロジー ウェアラブル・テクノロジー

背景:

• 継続的なパーソナライズされたヘルスケアモニタリングは極めて重要です.
• 心電図 (ECG) 信号は,ユニークな生体パターンを提供します.
• 現在のシステムは,しばしばクラウド接続に依存しており,プライバシーと効率に関する懸念を提起しています.

研究 の 目的:

• ウェアラブルHolterデバイスのリアルタイムEKGバイオメトリック分類のための概念証明の埋め込まれたディープラーニングシステムの開発と評価.
• ECG分析の継続的なクラウド接続への依存を減らすために.
• データプライバシーを強化し,ウェアラブルヘルスモニタリングで消費電力を削減します.

主な方法:

• STM32H7マイクロコントローラーに量子化コンボリューションニューラルネットワーク (CNN) が展開されました.
• 信頼性の高い処理のために,最初の信号品質評価段階が組み込まれました.
• このシステムは,PTB診断ECGデータベースで,科目の特別のトレーニングを用いて評価されました.

主要な成果:

• 組み込みシステムは,5秒間のECGセグメントで94.51%のF1スコアと94.68%の分類精度を達成しました.
• 平均推論時間は1.35秒で,リソースが制限されたハードウェアでリアルタイムで動作できるようにしました.
• デバイス上の推論は,データのプライバシーが改善され,データの伝送が減少したことを実証しました.

結論:

• 組み込み実装は,軽量なECGバイオメトリをウェアラブルシステムに統合する実現可能性を証明しています.
• このアプローチは,プライバシーを強化し,電力消費を削減し,データ伝送を最小限に抑えます.
• 将来の拡張の可能性には,パーソナライズされたヘルスケアモニタリングと早期異常検出が含まれます.