一种基于 FPGA 加速深度学习的闭环睡眠调制系统
信号处理
2022-11-24 v1 机器学习
摘要
闭环睡眠调制是一种用于治疗睡眠障碍并增强睡眠收益的新兴研究范式。然而，两个主要障碍阻碍了该范式广泛应用。首先，受试者常需通过线缆连接至机架式仪器进行数据采集，这对睡眠质量产生负面影响。其次，传统的实时睡眠分期分类算法性能有限。本工作中，我们通过开发一种支持设备上闭环操作的睡眠调制系统克服了这两点局限。睡眠分期分类采用轻量级深度学习（DL）模型，由低功耗现场可编程门阵列（FPGA）器件加速。该 DL 模型以单通道脑电图（EEG）作为输入。使用两个卷积神经网络（CNNs）分别捕捉一般与细节特征，并使用双向长短期记忆（LSTM）网络捕捉时变序列特征。采用 8 位量化以降低计算成本且不损害性能。该 DL 模型已使用包含 81 名受试者的公开睡眠数据库验证，取得了 85.8% 的业界最优分类准确率和 79% 的 F1 分数。所开发模型还展现出泛化至不同通道与输入数据长度的潜力。在测试台上已演示闭环同相听觉刺激。
引用
@article{arxiv.2211.13128,
title = {A Closed-loop Sleep Modulation System with FPGA-Accelerated Deep Learning},
author = {Mingzhe Sun and Aaron Zhou and Naize Yang and Yaqian Xu and Yuhan Hou and Xilin Liu},
journal= {arXiv preprint arXiv:2211.13128},
year = {2022}
}