Nízkoenergetický koprocesor pro predikci komorové arytmie pro nositelná zdravotnická zařízení

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F24%3A39921713" target="_blank" >RIV/00216275:25530/24:39921713 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore-ieee-org.ezproxy.techlib.cz/document/10589544" target="_blank" >https://ieeexplore-ieee-org.ezproxy.techlib.cz/document/10589544</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/TVLSI.2024.3413584" target="_blank" >10.1109/TVLSI.2024.3413584</a>

Jazyk výsledku

čeština

Název v původním jazyce

Nízkoenergetický koprocesor pro predikci komorové arytmie pro nositelná zdravotnická zařízení

Popis výsledku v původním jazyce

Komorová arytmie (VA) je nejkritičtější srdeční anomálií ze všech arytmií. Proto je nezbytné předvídat výskyt VA, aby se předešlo náhlým obětem způsobeným těmito arytmiemi. V minulosti bylo navrženo pouze několik hardwarových návrhů pro předpovídání VA pomocí různých funkcí odvozených ze signálů elektrokardiogramu (EKG) a zpracovaných pomocí klasifikátorů strojového učení. Tyto návrhy jsou však buď složité, nebo vyžadují větší přesnost predikce. Proto je v tomto článku navržen koprocesor pro predikci arytmie založený na hluboké neuronové síti (DNN). Dokáže předpovědět VA nejméně 15 min před jejím výskytem s přesností 91,6 %. Architektura koprocesoru pro predikci arytmie (CoAP) využívá optimální příznakový vektor extrahovaný z EKG signálu a optimalizovanou DNN s využitím nového přibližného násobiče (AM). CoAP pracuje při frekvenci 12,5 kHz a spotřebovává 4,69 mu W při implementaci pomocí 180nm bulk CMOS technologie SCL. Realizace navrženého návrhu s nízkou spotřebou a jeho vyšší přesnost ve srovnání se známými nejmodernějšími metodami jej činí vhodným pro nositelná zařízení.

Název v anglickém jazyce

A Low-Power Co-Processor to Predict Ventricular Arrhythmia for Wearable Healthcare Devices

Popis výsledku anglicky

Ventricular arrhythmia (VA) is the most critical cardiac anomaly among all arrhythmia beats. Thus, it becomes imperative to predict the occurrence of VA to avoid sudden casualties caused by these arrhythmia beats. In the past, only a few hardware designs have been proposed to predict VA using various features derived from electrocardiogram (ECG) signals and processed using machine learning classifiers. However, these designs are either complex or need more prediction accuracy. Therefore, a deep neural network (DNN)-based co-processor for arrhythmia prediction is proposed in this article. It can predict VA at least 15 min before its occurrence with 91.6% accuracy. Co-processor architecture for arrhythmia prediction (CoAP) uses an optimal feature vector extracted from the ECG signal and an optimized DNN, using a novel approximate multiplier (AM). CoAP operates at 12.5 kHz and consumes 4.69 mu W when implemented using SCL 180-nm bulk CMOS technology. The low power realization of the proposed design and its higher accuracy, compared with well-known state-of-the-art methods, make it suitable for wearable devices.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/LTAIN19100" target="_blank" >LTAIN19100: Vývoj bezkontaktní technologie pro inteligentní ochranu zájmových prostor</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

IEEE Transactions on Very Large Scale Integration (VLSI) Systems

ISSN

1063-8210

e-ISSN

1557-9999

Svazek periodika

32

Číslo periodika v rámci svazku

9

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

12

Strana od-do

—

Kód UT WoS článku

001271369700001

EID výsledku v databázi Scopus

2-s2.0-85202851513