相关实验视频
Updated: Jul 1, 2025
12:10
Semi-automated Optical Heartbeat Analysis of Small Hearts
Published on: September 16, 2009
12.3K
超低功率模拟折叠神经网络用于心血管健康监测
IEEE journal of biomedical and health informatics
|March 14, 2024
概括
本研究介绍了一种超低功耗的模拟折叠神经网络 (FNN),用于无电池可穿戴健康监测. 该FNN可实现连续的生理信号处理,改善用户体验和设备功能.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 可穿戴式传感器对于持续的健康监测至关重要.
- 小型可穿戴设备的电池容量有限阻碍了用户体验和监控持续时间.
研究的目的:
- 为无电池的生理信号处理引入一种超低功耗的模拟折叠神经网络 (FNN).
- 为了克服可穿戴健康监测设备中的电池限制.
主要方法:
- 开发了一种串行计算模拟FNN,以减少空间和功耗.
- 使用基于心电图的查和诊断数据集评估FNN.
- 分析了热噪声,空间要求和功耗.
主要成果:
- 与传统模拟实现相比,FNN显示出优势,包括更低的功耗和峰值与平均功率比率.
- 对于异常检测的最佳FNN配置大约在6个层和30个隐藏大小中发现.
- 实现了准确的异常检测,有可能实现无电池可穿戴设备.
结论:
- 拟议的模拟FNN是无电池可穿戴健康监测的可行解决方案.
- 在FNN设计中的序列化为低功耗应用提供了显著的优势.
- 该FNN架构可实现高效的生理信号处理,用于持续的健康监测.
