心血管疾病分类系统与ECG-Gating PCG算法和可编程AI加速器设计

科学领域:

• 生物医学工程 生物医学工程
• 心脏病学 心脏病学
• 计算机工程 计算机工程

背景情况:

• 心血管疾病 (CVD) 是导致死亡的主要原因,需要改进诊断工具.
• 目前用于诊断心脏病的方法通常需要临床设置,限制及时检测.
• 带有边缘计算的可穿戴设备提供了实时,可访问的心血管健康监测的潜力.

研究的目的:

• 开发一种可穿戴系统,用于准确实时诊断心血管疾病,特别是心律失常和心脏膜疾病 (HVD).
• 为应对在资源有限的可穿戴设备上实施复杂分类模型的挑战.
• 为多个诊断模型创建一个高效的硬件加速器.

主要方法:

• 开发了一种ECG-gating算法,以改进心电图 (PCG) 信号分析.
• 对心律失常和HVD检测实施了先进的分类算法.
• 设计和制造了一种基于缩阵列的加速器,配有特定应用程序的指令集处理器 (ASIP).

主要成果:

• 这些算法实现了高精度:97.8%的心律失常和99.3%的HVD,与最小的硬件量化误差 (<0.5%).
• 制造的加速器显示了低功耗 (414μW在1MHz) 和快速分类时间 (心律失常的7.2ms,HVD的21ms).
• 实现了非常高的能源效率 (395.3 GOPS/W 标准化为 40 nm).

结论:

• 开发的系统有效地使用可穿戴技术对心律失常和心脏门疾病进行分类.
• 结合先进的算法和专门的硬件加速器,可以实现高效的设备内心脏诊断.
• 这项技术对改善心血管疾病的早期检测和管理具有重大前景.