ACE:在边缘健康监测器中实现自动化优化,实现代分类
IEEE transactions on biomedical circuits and systems
|March 3, 2025
概括
这项研究介绍了ACE (Automated optimization towards classification on the Edge),一种用于优化可穿戴设备上的健康监测算法的新方法. 通过反复应用日益复杂的算法而无需重新计算数据,ACE显著减少了运行时间,提高了边缘健康监控的效率.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 边缘计算 边缘计算
背景情况:
- 可穿戴设备需要有效的实时生物医学信号处理来监测健康.
- 边缘设备上的有限的计算资源阻碍了复杂的健康算法的在线处理.
- 现有的单体模型缺乏适应性和效率,无法适应各种边缘应用.
研究的目的:
- 提出ACE (自动化优化对边缘分类),这是一个应用程序无关的方法,用于优化边缘设备上的健康监控算法.
- 以减少计算负载实现实时处理生物医学信号.
- 加强在资源有限的可穿戴技术上部署健康监测应用程序.
主要方法:
- ACE将单一算法分解为具有不同计算复杂性的多个算法.
- 它集成了缓冲逻辑,以尽量减少共享,数据密集型功能的重新计算.
- 优化的算法被转换为C,用于边缘部署,并根据信任值进行代执行.
主要成果:
- 在发作检测方面,ACE实现了至少28.9%的显著运行时间节省,而在情绪状态分类方面则达到18.9%.
- 在Cortex-A9边缘平台上没有观察到精度损失.
- 该方法在各种生物医学应用中表现出有效性.
结论:
- ACE为优化边缘设备上的生物医学信号处理提供了有效的解决方案.
- 代的,复杂性适应的方法提高了效率,而不会影响准确性.
- ACE使设计人员能够在资源有限的可穿戴系统上部署复杂的健康监控应用程序.
