基于FPGA和卷積神經網絡的實時心梗診斷系統
電子技術應用 11期
高鑫瑋，劉文涵，謝文鑫，黃啟俊
（武漢大學 物理科學技術學院，湖北 武漢 430072）
摘要： 針對小型化日常心電監護系統的需求，設計了一套基于FPGA和卷積神經網絡算法的心肌梗死疾病實時診斷系統。系統包含形態學濾波器、最小均方算法自適應陷波器、卷積神經網絡硬件加速模塊三大部分，通過在FPGA中并行化和加速處理，實現對心血管疾病的實時監護和診斷。經過上板驗證，系統的相對準確率達到99.91%，片上功耗為2.39 W，處理時間為3.81 ms，可滿足各項設計需求。
中圖分類號：TN911.72
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.233833
引用格式： 高鑫瑋，劉文涵，謝文鑫，等. 基于FPGA和卷積神經網絡的實時心梗診斷系統[J]. 電子技術應用，2023，49(11)：135-139.
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.233833
引用格式： 高鑫瑋，劉文涵，謝文鑫，等. 基于FPGA和卷積神經網絡的實時心梗診斷系統[J]. 電子技術應用，2023，49(11)：135-139.
Real-time myocardial infarction diagnosis system based on FPGA and convolutional neural network
Gao Xinwei，Liu Wenhan，Xie Wenxin，Huang Qijun
(School of Physics and Technology， Wuhan University， Wuhan 430072， China)
Abstract： Aiming at the demand of miniaturized daily ECG monitoring system, a real-time diagnosis system of myocardial infarction disease based on FPGA and convolutional neural network algorithm is designed. The system consists of morphological filter, least mean square adaptive notch filter and neural network hardware acceleration module. By parallel and accelerated processing in FPGA, real-time monitoring and diagnosis of cardiovascular diseases are realized. After verification on the board, the system achieves 99.91% relative accuracy, the on-chip power consumption is 2.39 W, and the processing time is 3.81 ms, which is suitable for various design requirements.
Key words : myocardial infarction；real-time system；digital filter；neural network accelerator
【引言】
我國心血管疾病患者人數達到了3.3億之多[1]，這種疾病發病率高，已成為引起人們死亡的重要威脅[2]。因此，對心血管疾病的監護和診斷是醫學界關心的重大問題。十二導聯心電圖（Electrocardiogram, ECG）是診斷心血管疾病的最主要手段，包含I、II、III、aVR、aVL、aVF、V1、V2、V3、V4、V5、V6導聯，可以通過分析導聯采集的心電波形形態判斷存在哪種心血管疾病[3]。然而傳統人工診斷耗時耗力[4]，且無法做到長期連續監護。隨著人工智能和電子技術的發展，小型的智能心電監護系統逐漸得到應用[5-7]，但涉及的心血管疾病種類有限。本文基于卷積神經網絡（Convolutional Neural Network, CNN）算法和FPGA硬件平臺設計了一套心肌梗死疾病（Myocardial Infarction, MI）的診斷系統，具有小型化、低功耗、實時性的特點，可滿足日常連續監護的使用需求。
文章詳細內容下載請點擊：基于FPGA和卷積神經網絡的實時心梗診斷系統AET-電子技術應用-最豐富的電子設計資源平臺 (chinaaet.com)
【作者信息】
高鑫瑋，劉文涵，謝文鑫，黃啟俊
（武漢大學 物理科學技術學院，湖北 武漢 430072）
此內容為AET網站原創，未經授權禁止轉載。