自动MLP:一个框架加速多层感知子模型在FPGA实时检测心房动疾病的FPGA实时检测

科学领域:

• 生物医学工程 生物医学工程
• 计算机工程 计算机工程
• 心脏病学 心脏病学

背景情况:

• 心血管疾病,包括心房动 (AF),是全球主要的健康问题.
• 实时检测AF对于及时的医疗干预至关重要.
• 多层感知器 (MLP) 模型显示出准确的AF检测的希望.

研究的目的:

• 提出一种用于生成硬件加速器的新框架,用于使用FPGA上的MLP实时检测AF.
• 为了自动评估MLP模型拓,数据类型和比特宽度用于并行加速.
• 为了实现高效和自动在线AF检测.

主要方法:

• 开发了一个框架来自动生成硬件加速器,用于基于MLP的FPGA上的AF检测.
• 评估了MLP模型拓,数据类型和比特宽度,以优化并行加速.
• 使用PhysioNet MIT-BIH心房动 (AFDB) 和CPSC2018数据集测试了该框架.

主要成果:

• 与硬件MLP的嵌入式CPU相比,实现了显著的加快速度 (超过1500×).
• 与嵌入式CPU相比,显著降低了能源消耗 (约为25000倍低).
• 验证了生成的硬件解决方案的准确性,执行时间和资源利用率.

结论:

• 拟议的框架有效地自动化了硬件加速器的生成,以便实时检测AF.
• FPGA对MLP的实施为在线AF监控提供了高效和方便的解决方案.
• 结果突出了通过硬件加速加速加速和自动AF检测的潜力.