지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
오류제보하기
Electrocardiogram (ECG) classification has become an essential task of modern day wearable devices, and can be used to detect cardiovascular diseases. State-of-the-art Artificial Intelligence (AI)-based ECG classifiers have been designed using various artificial neural networks (ANNs). Despite their high accuracy, ANNs require significant computational resources and power. Herein, three different ANNs have been compared: multilayer perceptron (MLP), convolutional neural network (CNN), and spiking neural network (SNN) only for the ECG classification. The ANN model has been developed in Python and Theano, trained on a central processing unit (CPU) platform, and deployed on a PYNQ-Z2 FPGA board to validate the model using a Jupyter notebook. Meanwhile, the hardware accelerator is designed with Overlay, which is a hardware library on PYNQ. For classification, the MIT-BIH dataset obtained from the Physionet library is used. The resulting ANN system can accurately classify four ECG types: normal, atrial premature contraction, left bundle branch block, and premature ventricular contraction. The performance of the ECG classifier models is evaluated based on accuracy and power. Among the three AI algorithms, the SNN requires the lowest power consumption of 0.226 W on-chip, followed by MLP (1.677W), and CNN (2.266 W). However, the highest accuracy is achieved by the CNN (95%), followed by MLP (76%) and SNN (90%).
목차
등록된 정보가 없습니다.
참고문헌 (19)
참고문헌 신청
R. Lozano / 2013 / Global and regional mortality from 235 causes of death for 20 age groups in 1990 and 2010 : a systematic analysis for the global burden of disease study 2010 / The Lancet 380(9859):2095~2128
M. Mitra / 2013 / Cardiac Arrhythmia Classification Using Neural Networks with Selected Features / first international conference on Computational Intelligence:Modeling Techniques and Applications (CIMTA) :76~84
T. Habte, T / 2019 / Ultra Low Power ECG Processing System for IoT Devices: Analog Circuits and Signal Processing :1~14
T. E. Taha / 2016 / A survey on Classification of ECG Signal Study 6(5):11~16
C. V. Maggio / 2012 / Quantification of Ventricular Repolarization Dispersion Using Digital Processing of the Surface ECG
M. Mitra / 2013 / Cardiac Arrhythmia Classification Using Neural Networks with Selected Features / first international conference on Computational Intelligence:Modeling Techniques and Applications (CIMTA) :76~84
T. Habte, T / 2019 / Ultra Low Power ECG Processing System for IoT Devices: Analog Circuits and Signal Processing :1~14
T. E. Taha / 2016 / A survey on Classification of ECG Signal Study 6(5):11~16
C. V. Maggio / 2012 / Quantification of Ventricular Repolarization Dispersion Using Digital Processing of the Surface ECG
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
스마트 헬스 시티를 위한 ECG 기반 부정맥 감지 SNN 알고리즘
한국통신학회논문지
2020 .12
-
SVR을 이용한 ECG 기반 심박수 추정 Spiking Neural Network
대한전자공학회 학술대회
2022 .06
-
멤리스터 인공지능 칩의 SNN 기반 응용 기술 개발
대한전자공학회 학술대회
2023 .06
-
시계열 데이터 분석을 위한 시간 인코딩 기반 SNN 연구
대한전자공학회 학술대회
2021 .06
-
차세대 신경망 SNN core 반도체 설계
대한전자공학회 학술대회
2021 .06
-
Classification of Driver’s Cognitive Workload Levels using Artificial Neural Network on ECG
대한산업공학회 추계학술대회 논문집
2015 .11
-
FPGA Implementation of an Artificial Intelligence Signal Recognition System
센서학회지
2022 .01
-
깊은 스파이킹 신경망 학습 방법의 최신 연구 동향
대한전자공학회 학술대회
2020 .08
-
LIF/IF Model을 활용한 SNN Neuron의 H/W 구현
대한전자공학회 학술대회
2021 .06
-
이벤트 데이터의 전처리 과정이 SNN의 학습 성능에 미치는 영향 분석
한국정보과학회 학술발표논문집
2022 .12
-
0.9V 전원 전압 동작 아날로그 AI SNN 코어 설계
대한전자공학회 학술대회
2020 .11
-
Spiking Neural Network(SNN)를 위한 Leaky Integrate and Fire(LIF) 모델의 뉴런을 모사한 180nm CMOS 아날로그 회로 구현
대한전자공학회 학술대회
2023 .06
-
Empirical Evaluation of SNN for IoT Network Anomaly Detection
한국통신학회논문지
2024 .11
-
A Novel Spiking Neural Network for ECG signal Classification
센서학회지
2021 .01
-
스파이킹 신경망(SNN) 기반 YOLO 모델을 활용한 교차로 차량 인식
한국통신학회 학술대회논문집
2025 .02
-
Classification of Driver States using Artificial Neural Network on ECG Signals
대한인간공학회 학술대회논문집
2019 .10
-
LIF/IF Model을 활용한 SNN/CNN Accumulator의 H/W 구현
전자공학회논문지
2022 .01
-
SNN(Spike Neural Network)와 CNN(Convolutional neural network) 모델 구현을 통한 MNIST 추론 메커니즘 연구
Proceedings of KIIT Conference
2023 .11
-
심전도 전극부착 가이드 및 전극채널변경 기능을 가지는 ECG 장치 구현
한국통신학회논문지
2018 .04
-
멀티모달 스파이킹 뉴럴 네트워크의 성능 분석
대한전자공학회 학술대회
2023 .06
이 논문의 저자 정보
최근 본 자료
댓글(0)
0