《电子技术应用》
您所在的位置：首页 > 其他 > 设计应用 > 基于FPGA和卷积神经网络的实时心梗诊断系统
基于FPGA和卷积神经网络的实时心梗诊断系统
电子技术应用 11期
高鑫玮，刘文涵，谢文鑫，黄启俊
（武汉大学 物理科学技术学院，湖北 武汉 430072）
摘要： 针对小型化日常心电监护系统的需求，设计了一套基于FPGA和卷积神经网络算法的心肌梗死疾病实时诊断系统。系统包含形态学滤波器、最小均方算法自适应陷波器、卷积神经网络硬件加速模块三大部分，通过在FPGA中并行化和加速处理，实现对心血管疾病的实时监护和诊断。经过上板验证，系统的相对准确率达到99.91%，片上功耗为2.39 W，处理时间为3.81 ms，可满足各项设计需求。
中图分类号：TN911.72
文献标志码：A
DOI: 10.16157/j.issn.0258-7998.233833
引用格式： 高鑫玮，刘文涵，谢文鑫，等. 基于FPGA和卷积神经网络的实时心梗诊断系统[J]. 电子技术应用，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】

我国心血管疾病患者人数达到了3.3亿之多[1]，这种疾病发病率高，已成为引起人们死亡的重要威胁[2]。因此，对心血管疾病的监护和诊断是医学界关心的重大问题。十二导联心电图（Electrocardiogram, ECG）是诊断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导联，可以通过分析导联采集的心电波形形态判断存在哪种心血管疾病[3]。然而传统人工诊断耗时耗力[4]，且无法做到长期连续监护。随着人工智能和电子技术的发展，小型的智能心电监护系统逐渐得到应用[5-7]，但涉及的心血管疾病种类有限。本文基于卷积神经网络（Convolutional Neural Network, CNN）算法和FPGA硬件平台设计了一套心肌梗死疾病（Myocardial Infarction, MI）的诊断系统，具有小型化、低功耗、实时性的特点，可满足日常连续监护的使用需求。


文章详细内容下载请点击：基于FPGA和卷积神经网络的实时心梗诊断系统AET-电子技术应用-最丰富的电子设计资源平台 (chinaaet.com)



【作者信息】

高鑫玮，刘文涵，谢文鑫，黄启俊

（武汉大学 物理科学技术学院，湖北 武汉 430072）




此内容为AET网站原创，未经授权禁止转载。

相关内容

Baidu
map