面向医疗与生物医学应用的深度网络加速器硬件实现
硬件体系结构
2021-04-29 v2 机器学习
信号处理
摘要
专用深度学习(DL)加速器与神经形态处理器的出现，为在边缘端将深度神经网络与脉冲神经网络(SNN)算法应用于医疗与生物医学领域带来了新机遇。这可促进医疗物联网(IoT)系统与即时检验(PoC)设备的发展。本文提供一篇教程，阐述如何利用新兴忆阻器件、现场可编程门阵列(FPGA)与互补金属氧化物半导体(CMOS)等多种技术开发高效 DL 加速器，以解决医疗领域中各类诊断、模式识别与信号处理问题。此外，我们探讨脉冲神经形态处理器如何补充其 DL 对应器件以处理生物医学信号。该教程辅以大量关于神经网络与神经形态硬件应用于医疗领域的文献案例研究。我们通过结合肌电图(EMG)信号与计算机视觉的传感器融合信号处理任务，对各类硬件平台进行基准测试。在推理延迟与能耗方面，对专用神经形态处理器与嵌入式 AI 加速器进行了比较。最后，我们对该领域进行分析，并就各类加速器与神经形态处理器为医疗及生物医学领域带来的优势、劣势、挑战与机遇分享见解。
引用
@article{arxiv.2007.05657,
title = {Hardware Implementation of Deep Network Accelerators Towards Healthcare and Biomedical Applications},
author = {Mostafa Rahimi Azghadi and Corey Lammie and Jason K. Eshraghian and Melika Payvand and Elisa Donati and Bernabe Linares-Barranco and Giacomo Indiveri},
journal= {arXiv preprint arXiv:2007.05657},
year = {2021}
}
备注
Accepted by IEEE Transactions on Biomedical Circuits and Systems (21 pages, 10 figures, 5 tables)