MulPi:一个多类和独立于患者的发作分类器,具有共同设计的输入静止计算-在-SRAM
IEEE transactions on biomedical circuits and systems
|June 13, 2025
概括
这项研究提出了首个有效的芯片,用于多类,患者独立的发作分类,改善患者的护理. 新的设计实现了高精度和速度,为没有的生活铺平了道路.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 计算机科学 计算机科学
背景情况:
- 影响全球超过7000万,未引起的发作带来重大风险.
- 自动发作检测和预测对于改善患者的生活质量和安全至关重要.
- 现有的发作分类芯片往往缺乏可靠性能所需的多类和患者独立能力.
研究的目的:
- 引入第一个高效的芯片,能够同时进行多类和患者独立的发作分类.
- 开发一个高度准确和高效的系统,用于实时的发作检测和预测.
- 为了解决目前用于管理的可实施芯片的资源限制.
主要方法:
- 开发了一个名为MulPiCNN的5层卷积神经网络 (CNN),优化了效率和准确性.
- 共设计方法集成硬件和软件,用于专门的 classification 芯片.
- 实现基于SRAM的芯片,利用内存计算 (CIM) 与新的输入静态 (IS) 和行智能 (RW) 计算技术,包括2T-Hadamard产品单元 (HPU).
主要成果:
- 制造的MulPi芯片成功实现了同时实现多类和患者独立的发作分类.
- 与最先进的芯片相比,MulPi芯片表现出卓越的性能,灵敏度为98.5%,特异性为99.2%.
- 在0.12秒内快速实现分类,芯片占据0.348mm2.2的小面积.
结论:
- MulPi芯片代表了自动抓获分类技术的重大进步.
- 这种高效,共同设计的芯片为实时,可靠的发作检测和预测提供了可行的解决方案.
- 开发的技术有潜力大大提高患者的生活质量,通过使得无管理.
