边缘人工智能启用可穿戴设备用于使用心电图信号进行非侵入性1型糖尿病检测

科学领域:

• 生物医学工程 生物医学工程
• 医疗保健中的人工智能
• 可穿戴技术可穿戴技术

背景情况:

• 传统的糖尿病监测是侵入性的,影响患者的生活质量.
• 需要使用非侵入性,实时的糖尿病检测方法.
• 边缘人工智能 (Edge-AI) 为设备上的健康监测提供了潜力.

研究的目的:

• 设计和验证一个创新的边缘人工智能系统,用于实时,非侵入性糖尿病检测.
• 使用基于微控制器的系统分析心电图 (ECG) 信号以检测糖尿病的存在.
• 为了优化系统的低功耗和最小的内存足迹,适合于可穿戴设备.

主要方法:

• 开发了一种基于微控制器的实时ECG采集系统.
• 实施了一种基于光谱图的预处理技术,与一维卷积神经网络 (1D-CNN) 相结合.
• 应用量子化用于模型优化,平衡内存使用和准确性.
• 设计并验证了一种定制的印刷电路板 (PCB) 用于现实世界的测试.

主要成果:

• 在糖尿病检测中获得了89.52%的准确性.
• 获得了0.91的平均精度和0.90.9的回忆.
• 展示了最小的内存足迹 (347 KB 闪存, 23 KB RAM).
• 在具有低功耗的定制PCB上验证了系统的可行性.

结论:

• 开发的Edge-AI系统可实现非侵入性,实时的糖尿病检测.
• 该系统适用于资源有限的可穿戴嵌入式设备.
• 这种方法显著提高了糖尿病监测的可访问性和实用性.