使用权重剪枝与对数量化卷积神经网络的心房颤动检测
信号处理
2022-06-16 v1 机器学习
摘要
深度神经网络（DNN）是医疗应用中有前景的工具。然而，由于通信的高能量成本，在电池供电设备上实现复杂DNN具有挑战性。在这项工作中，开发了一个卷积神经网络模型用于从心电图（ECG）信号检测心房颤动。尽管在有限的变长输入数据上训练，该模型展示了高性能。结合权重剪枝和对数量化以引入稀疏性并减小模型尺寸，这可用于减少数据移动和降低计算复杂度。最终模型实现了91.1%的模型压缩比，同时保持91.7%的高模型准确率和小于1%的精度损失。
引用
@article{arxiv.2206.07649,
title = {Atrial Fibrillation Detection Using Weight-Pruned, Log-Quantised Convolutional Neural Networks},
author = {Xiu Qi Chang and Ann Feng Chew and Benjamin Chen Ming Choong and Shuhui Wang and Rui Han and Wang He and Li Xiaolin and Rajesh C. Panicker and Deepu John},
journal= {arXiv preprint arXiv:2206.07649},
year = {2022}
}