用FPGA加速深度学习设计一个睡眠调制系统,用于闭环阶段特定的阶段内听觉刺激
Mingzhe Sun1, Aaron Zhou1, Naize Yang1
1Department of Electrical and Computer Engineering, University of Toronto, Toronto, ON, Canada M5S 2E4.
IEEE International Symposium on Circuits and Systems proceedings. IEEE International Symposium on Circuits and Systems
|April 16, 2024
概括
这项研究引入了一种新的闭环睡眠调制系统,使用FPGA上的轻量级深度学习模型. 它提高了睡眠阶段分类的准确性,克服了有线系统的局限性,并增强了睡眠障碍治疗.
科学领域:
- 神经科学是一个神经科学.
- 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:
- 闭环睡眠调制显示出治疗睡眠障碍的前景,但也面临着挑战.
- 有线连接和有限的实时睡眠阶段分类阻碍了当前系统.
- 开发非侵入性,准确和便携式睡眠调节技术至关重要.
研究的目的:
- 开发一种新的,设备上的闭环睡眠调制系统.
- 克服有线仪器仪表的局限性,提高睡眠阶段分类的准确性.
- 为了实现更好的睡眠效益和治疗睡眠障碍.
主要方法:
- 开发了一种轻量级的深度学习 (DL) 模型,用于使用单通道EEG进行睡眠阶段分类.
- 使用低功耗现场可编程网关阵列 (FPGA) 加速了DL模型,用于设备内处理.
- 采用卷积神经网络 (CNN) 和双向长短期记忆 (LSTM) 网络,具有8位量子化.
主要成果:
- 在公开数据集上实现了85.8%的最先进的睡眠阶段分类准确度和79%的F1得分.
- 演示了DL模型在不同道和输入数据长度上普遍化的潜力.
- 在试验台上成功演示了闭环相内听觉刺激.
结论:
- 开发的系统克服了闭环睡眠调节中的关键障碍,使便携式和有效的睡眠治疗成为可能.
- 在FPGA上的轻量级DL模型提供了高效和准确的实时睡眠阶段分类.
- 这项技术为先进的个性化睡眠调节疗法铺平了道路.
