间歇性神经形态可穿戴系统

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
• 人工智能的人工智能

背景情况:

• 可穿戴医疗设备对于慢性疾病管理至关重要,提供诸如早期检测和降低医疗保健成本等好处.
• 整合人工智能 (AI) 增强了可穿戴功能,但增加了电力需求,限制了设备的寿命.
• 人工智能在可穿戴设备中的高能耗需要创新的节能解决方案.

研究的目的:

• 提出一种新的框架,用于降低可穿戴设备的嵌入式AI的能源消耗.
• 通过先进的计算技术来解决人工智能驱动的可穿戴设备的功率限制.
• 在实际应用中证明框架的有效性.

主要方法:

• 开发了一个结合神经形态计算和间歇计算的新型框架.
• 该框架应用于用于手势分类的电肌图 (EMG) 应用程序.
• 为了验证概念验证,使用了Ninapro DB2数据集.

主要成果:

• 拟议的框架成功地减少了嵌入式AI的能源消耗.
• 该框架展示了可穿戴AI的最新能源效率.
• 基于EMG的手势识别应用验证了该框架的实际实用性.

结论:

• 新的框架有效地提高了可穿戴人工智能设备的能源效率.
• 结合神经形态和间歇计算,为渴望电力的AI可穿戴设备提供了一个有前途的解决方案.
• 这种方法支持开发可持续和持久的人工智能驱动可穿戴医疗技术.