基于脉冲神经网络边缘推理处理器实现亚毫瓦级实时癫痫检测
信号处理
2024-10-25 v1 人工智能
机器学习
神经与进化计算
神经元与认知
摘要
分析电脑神经信号（EEG）以检测受试者的癫痫状态对于提供及时高效诊断的现有技术而言是一个挑战。本研究旨在使用脉冲神经网络（SNN）检测癫痫发作（ictal）和间歇期（interictal）。我们提出的方法提供了癫痫发作的在线实时初步诊断，有助于检测可能的病理性条件。为验证我们的方法， 我们进行了多组实验。我们利用训练好的SNN来识别癫痫发作的存在，并将结果与相关研究进行了比较。该SNN模型部署在Xylo平台上，Xylo是一种专为处理时序信号而设计的数字SNN类神经器器件。Xylo高效地模拟具有指数输入突触的脉冲积分-发放（LIF）神经元。与传统信号处理方法相比，Xylo的能耗更低，使其成为开发低功耗癫痫检测系统的理想平台。我们的方法在多个数据集上测试表现出高测试准确率，分别为93.3%和92.9%，同时该应用在部署到Xylo时平均功耗为87.4微瓦（IO功耗）+ 287.9微瓦（计算功耗）。该方法在多个数据集上表现出卓越的低延迟性能。我们的工作为癫痫检测提供了新的解决方案，预计将在便携式和可穿戴设备中得到广泛应用。
引用
@article{arxiv.2410.16613,
title = {Real-time Sub-milliwatt Epilepsy Detection Implemented on a Spiking Neural Network Edge Inference Processor},
author = {Ruixin Lia and Guoxu Zhaoa and Dylan Richard Muir and Yuya Ling and Karla Burelo and Mina Khoei and Dong Wang and Yannan Xing and Ning Qiao},
journal= {arXiv preprint arXiv:2410.16613},
year = {2024}
}