面向实时移动癫痫发作预测的忆阻深度学习方法
新兴技术
2022-02-21 v1 人机交互
摘要
癫痫发作的不可预测性持续困扰许多药物难治性癫痫患者。鉴于近期技术进步，人们已利用不同硬件技术做出大量努力，以实现用于实时检测与预测癫痫发作的智能设备。本文中，我们探究使用忆阻深度学习方法 (MDLSs) 在边缘端执行实时癫痫发作预测的可行性。利用 MemTorch 仿真框架以及波士顿儿童医院 (CHB)-麻省理工学院 (MIT) 数据集，我们确定了多种仿真 MDLS 配置的性能。最优配置可处理含 7,680 个样本的脑电图 (EEG) 频谱图，耗时 1.408ms，功耗 0.0133W，在 65nm 互补金属氧化物半导体 (CMOS) 工艺下占用面积 0.1269mm，其平均灵敏度为 77.4%，受试者工作特征曲线下面积 (AUROC) 为 0.85。
引用
@article{arxiv.2102.08555,
title = {Towards Memristive Deep Learning Systems for Real-time Mobile Epileptic Seizure Prediction},
author = {Corey Lammie and Wei Xiang and Mostafa Rahimi Azghadi},
journal= {arXiv preprint arXiv:2102.08555},
year = {2022}
}
备注
Accepted at 2021 IEEE International Symposium on Circuits and Systems (ISCAS)