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,,經測試在Altera公司的DE1-SoC開發(fā)板上部署RTL級硬件網絡電路,,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,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,。