轻量级皮肤癌检测IP硬件实现使用循环扩展和最佳计算阵列方法

科学领域:

• 医疗成像医学成像
• 计算机工程 计算机工程
• 人工智能的人工智能

背景情况:

• 皮肤癌是一个全球性的健康威胁,需要准确的早期诊断.
• 对皮肤病变的医学图像分类在低功耗设备上部署时面临挑战.
• 当前算法的计算需求阻碍了效率和节能.

研究的目的:

• 提出一种轻量级的硬件设计,用于在便携式设备上实时分类皮肤疾病.
• 开发一种高效,低功耗的解决方案,用于使用卷积神经网络 (CNN) 检测皮肤癌.
• 在计算复杂性和资源利用方面解决现有算法的局限性.

主要方法:

• 基于CNN的硬件设计,具有优化的并行处理引擎 (PE).
• 实现循环展开,以减少数据访问和计算复杂性.
• 使用16位浮点数用于卷积层,聚合层和完全连接层的数据推断.
• 基于FPGA的全硬件实现用于皮肤癌检测.

主要成果:

• 在HAM10000数据集上实现了97.8%的平均分类准确度.
• 与50 MHz的现有加速器相比,在识别方面表现出3.5倍的加快速度.
• 仅消耗0.48W功率,满足便携式设备的限制.
• 展示了低资源利用率和成本效益.

结论:

• 拟议的硬件架构有效地满足了用于皮肤癌检测的便携式设备的限制.
• 这种基于FPGA的全硬件平台提供了高效的分类,高精度,低功耗和成本效益.
• 该设计代表了皮肤病学实时,设备上的医学图像分析的重大进步.