高能效的 AI 芯片可及時(shí)檢測心房顫動(dòng)

2021-08-06

高能效的 AI 芯片可及時(shí)檢測心房顫動(dòng)

他們的重點(diǎn)是促進(jìn)創(chuàng )建可記錄心電圖的可穿戴設備，以防止因心率不規則引起的中風(fēng)

邊緣的超低功耗 AI

心房顫動(dòng)是最常見(jiàn)的心律失常類(lèi)型之一。如果沒(méi)有及時(shí)發(fā)現，這種情況可能會(huì )引發(fā)中風(fēng)?？梢蚤L(cháng)時(shí)間記錄心電圖 (ECG) 的可穿戴設備是增加對不規則心律的檢測的好方法。但必須有可能以節能的方式分析記錄的心電圖數據，以便移動(dòng)診斷實(shí)用。用于評估患者數據的算法可能需要大量計算，從而導致高能耗。因此，在評估此類(lèi)算法時(shí)，移動(dòng)應用程序的最高優(yōu)先級應該是節能。 

為促進(jìn)上述問(wèn)題的可行解決方案，德國聯(lián)邦教育和研究部 (BMBF) 組織了一場(chǎng)名為“高能效 AI 系統”的創(chuàng )新競賽，參賽者必須設計一款檢測心房顫動(dòng)的 AI 芯片。至少 90% 的準確度并且消耗很少的能量。

信號處理進(jìn)入休眠模式

為了確定患者是健康還是生病，Fraunhofer IIS 研究人員開(kāi)發(fā)了依賴(lài)于深度學(xué)習的“使用 ML 算法（Lo3-ML）進(jìn)行低功耗、低內存、低成本心電信號分析”的項目。將數字心電圖信號用作神經(jīng)網(wǎng)絡(luò )的輸入，對信號部分進(jìn)行濾波，對各個(gè)信號分量進(jìn)行加權（具有三元權重值 +1、0 和 -1）并在幾層中進(jìn)行匯總。“在神經(jīng)網(wǎng)絡(luò )的第一層，檢測到了某種信號行為。在第二層中，特征相互關(guān)聯(lián)?？偣彩褂昧肆鶎?。心電圖信號的復雜圖像表明存在一種疾病，這種疾病直到最后第六層才出現，”弗勞恩霍夫 IIS 的科學(xué)家 Marco Breiling 說(shuō)。

為了處理這些時(shí)間序列信號以提高能效，即 ECG 信號的數字表示，信號處理成為 AI 芯片的一部分，在不需要時(shí)休眠，從而節省了 95% 的能源。“該芯片收集了 12.7 秒的心電圖信號，然后僅用了 24 毫秒或 0.2% 的時(shí)間處理它。因此，處理過(guò)程在 99.8% 以上的時(shí)間處于休眠狀態(tài)，并且消耗的能量幾乎可以忽略不計。由于非易失性 RRAM 存儲器是系統的一部分，信號處理可以在喚醒后立即恢復，大約 12.7 秒后無(wú)需消耗任何能量，”Breiling 解釋道。他進(jìn)一步表示，“該芯片所需的功率很小，因此在月光下運行的面積為 6 毫米 x 6 毫米的太陽(yáng)能電池就足夠了?；蛘?，該芯片可以使用非常小的紐扣電池連續 330 天評估心電圖。” 開(kāi)發(fā)的電路不僅適用于醫療用途，還適用于處理時(shí)間序列信號的其他應用，例如狀態(tài)監測和預測性維護。

FPGA 的整體 AutoML

Fraunhofer ITWM 的研究團隊同時(shí)考慮了硬件能耗和神經(jīng)網(wǎng)絡(luò )拓撲，這不僅提供了分類(lèi)準確度，而且還具有能源效率。 

但是，網(wǎng)絡(luò )究竟如何才能滿(mǎn)足定義的要求和規范呢？“在這方面有不同的搜索策略。我們使用了一種進(jìn)化方法，其中我們選擇了十個(gè)不同的隨機網(wǎng)絡(luò )，訓練它們并檢查它們的工作情況。然后我們選擇了最好的網(wǎng)絡(luò )并對它們進(jìn)行了變異以創(chuàng )建新的網(wǎng)絡(luò )變體。重復該過(guò)程，直到找到最佳網(wǎng)絡(luò )。這個(gè)過(guò)程稱(chēng)為自動(dòng)化機器學(xué)習，”在能力中心進(jìn)行研究的 Jens Krüger 博士解釋說(shuō)——弗勞恩霍夫 ITWM 的高性能計算。 

Krüger 和他的團隊使用現場(chǎng)可編程門(mén)陣列 (FPGA) 來(lái)映射神經(jīng)網(wǎng)絡(luò )，實(shí)現各種電路并實(shí)現最佳算法的最佳執行。FPGA 可以重新編程任意次數，并通過(guò)定義最佳神經(jīng)網(wǎng)絡(luò )的各種特征進(jìn)行區分。使用軟件工具，將神經(jīng)網(wǎng)絡(luò )傳輸到 FPGA，然后自動(dòng)評估 ECG 數據。這種方法產(chǎn)生了一種新方法，它不僅更節能，而且還減少了最佳神經(jīng)網(wǎng)絡(luò )拓撲和相應 FPGA 實(shí)現的開(kāi)發(fā)時(shí)間。開(kāi)發(fā)的軟件工具不僅適用于 FPGA，還適用于各種芯片和環(huán)境。

研究人員正在擴展這一過(guò)程，以包括一種不僅考慮神經(jīng)網(wǎng)絡(luò )還考慮硬件的整體方法，因為 AI 模型會(huì )影響硬件的能耗。

總之，可以說(shuō)，只有降低當今微電子的能耗，人工智能（AI）才能創(chuàng )造效益并進(jìn)入醫療、工業(yè)和其他應用領(lǐng)域。