基于密集神经网络的低成本低算力微控制器心律失常分类
机器学习
2025-04-07 v1 人工智能
摘要
心电图（ECG）监测设备是用于治疗和诊断心血管疾病（CVD）的昂贵但必不可少的设备，其成本通常在2000至10000美元之间。多项研究已在微控制器单元（MCU）上实现ECG监测系统，将工业开发成本降低至原来的二十分之一。然而，为了匹配工业级系统并有效显示心跳，开发一种用于检测心律失常（不规则心跳）的高效算法至关重要。因此，本研究开发了一种密集神经网络，在 Arduino Nano 上检测心律失常。Arduino Nano 包含 ATMega328 微控制器，具有 16MHz 时钟、2KB SRAM 和 32KB 程序存储器。此外，使用 AD8232 SparkFun 单导联心率监测仪作为 ECG 传感器。所实现的神经网络模型包含两层（不含输入层），分别有10个和4个神经元，并采用 sigmoid 激活函数。同时，探索了四种方法以选择合适的激活函数。该模型大小为 1.267 KB，在对四种心律失常进行分类时实现了 78.3% 的 F1 分数（宏平均）、96.38% 的准确率，并需要 0.001314 MOps 的浮点运算（FLOPs）。
引用
@article{arxiv.2504.03531,
title = {Dense Neural Network Based Arrhythmia Classification on Low-cost and Low-compute Micro-controller},
author = {Md Abu Obaida Zishan and H M Shihab and Sabik Sadman Islam and Maliha Alam Riya and Gazi Mashrur Rahman and Jannatun Noor},
journal= {arXiv preprint arXiv:2504.03531},
year = {2025}
}