基于FPGA的便攜心電智能診斷加速器及優(yōu)化選芯方案
所屬分類：技術論文
上傳者：wwei
文檔大?。?span>1654 K
標簽： 心電檢測 深度學習 FPGA
所需積分：0分積分不夠怎么辦？
文檔介紹：心電圖（electrocardiogram， ECG）是診斷與心臟相關疾病的關鍵工具，可穿戴心電監(jiān)護儀Holter是院外檢測的重要手段，小型化、便攜性、實時檢測是優(yōu)化方向。人工智能技術應用于包括心電診斷的各個領域，但存在參數(shù)量大、難于小型化、計算速度慢的問題，不滿足便攜心電監(jiān)護儀的要求，而可編程邏輯門器件（Field-Programmable Gate Array， FPGA）有并行加速的特性。在AI智能算法硬件化的工程應用上，存在成本、速度、資源利用率的權衡，需要進行科學的芯片選型。開發(fā)了一種基于1D-CNN的、用于心電診斷的BeatNet ，對于4分類的檢測任務，該模型具有98.5% 的分類準確率。在FPGA上實現(xiàn)BeatNet硬件化的實驗，經(jīng)測試在Altera公司的DE1-SoC開發(fā)板上部署RTL級硬件網(wǎng)絡電路，最高頻率為69 MHz ，單個心拍診斷需要221個周期，總計算時間為3.31 μs，滿足實時標準。針對速度、功耗和成本指標評估了不同部署策略的性能，開發(fā)了一個選芯綜合指數(shù)，可以在僅損失0.2%精度、5 μs內(nèi)完成單心拍的條件下，將FPGA計算芯片成本控制在200美元以內(nèi)，滿足高速度、低成本、低功耗的要求，對工程優(yōu)化有實用價值。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。