Digitální knihovna UPCE přechází na novou verzi. Omluvte prosím případné komplikace. / The UPCE Digital Library is migrating to a new version. We apologize for any inconvenience.

Publikace:
Nízkoenergetický koprocesor pro predikci komorové arytmie pro nositelná zdravotnická zařízení

ČlánekOmezený přístuppeer-reviewedpostprint
Zobrazit minimální záznam
dc.contributor.authorJanveja, Meenalicze
dc.contributor.authorParmar, Rushikcze
dc.contributor.authorDash, Srichandancze
dc.contributor.authorPidanič, Jancze
dc.contributor.authorTrivedi, Gauravcze
dc.date.accessioned2025-10-07T10:16:38Z
dc.date.issued2024cze
dc.description.abstractKomorová arytmie (VA) je nejkritičtější srdeční anomálií ze všech arytmií. Proto je nezbytné předvídat výskyt VA, aby se předešlo náhlým obětem způsobeným těmito arytmiemi. V minulosti bylo navrženo pouze několik hardwarových návrhů pro předpovídání VA pomocí různých funkcí odvozených ze signálů elektrokardiogramu (EKG) a zpracovaných pomocí klasifikátorů strojového učení. Tyto návrhy jsou však buď složité, nebo vyžadují větší přesnost predikce. Proto je v tomto článku navržen koprocesor pro predikci arytmie založený na hluboké neuronové síti (DNN). Dokáže předpovědět VA nejméně 15 min před jejím výskytem s přesností 91,6 %. Architektura koprocesoru pro predikci arytmie (CoAP) využívá optimální příznakový vektor extrahovaný z EKG signálu a optimalizovanou DNN s využitím nového přibližného násobiče (AM). CoAP pracuje při frekvenci 12,5 kHz a spotřebovává 4,69 mu W při implementaci pomocí 180nm bulk CMOS technologie SCL. Realizace navrženého návrhu s nízkou spotřebou a jeho vyšší přesnost ve srovnání se známými nejmodernějšími metodami jej činí vhodným pro nositelná zařízení.cze
dc.description.abstract-translatedVentricular arrhythmia (VA) is the most critical cardiac anomaly among all arrhythmia beats. Thus, it becomes imperative to predict the occurrence of VA to avoid sudden casualties caused by these arrhythmia beats. In the past, only a few hardware designs have been proposed to predict VA using various features derived from electrocardiogram (ECG) signals and processed using machine learning classifiers. However, these designs are either complex or need more prediction accuracy. Therefore, a deep neural network (DNN)-based co-processor for arrhythmia prediction is proposed in this article. It can predict VA at least 15 min before its occurrence with 91.6% accuracy. Co-processor architecture for arrhythmia prediction (CoAP) uses an optimal feature vector extracted from the ECG signal and an optimized DNN, using a novel approximate multiplier (AM). CoAP operates at 12.5 kHz and consumes 4.69 mu W when implemented using SCL 180-nm bulk CMOS technology. The low power realization of the proposed design and its higher accuracy, compared with well-known state-of-the-art methods, make it suitable for wearable devices.eng
dc.formatp. nestránkovánocze
dc.identifier.doi10.1109/TVLSI.2024.3413584cze
dc.identifier.issn1063-8210cze
dc.identifier.obd39890215cze
dc.identifier.scopus2-s2.0-85202851513cze
dc.identifier.urihttps://hdl.handle.net/10195/86052
dc.identifier.wos001271369700001cze
dc.language.isoczecze
dc.peerreviewedyescze
dc.project.IDLTAIN19100/Vývoj bezkontaktní technologie pro inteligentní ochranu zájmových prostorcze
dc.publicationstatuspostprintcze
dc.publisherIEEE (Institute of Electrical and Electronics Engineers)cze
dc.relation.ispartofIEEE Transactions on Very Large Scale Integration (VLSI) Systems, volume 32, issue: 9cze
dc.relation.publisherversionhttps://ieeexplore-ieee-org.ezproxy.techlib.cz/document/10589544cze
dc.rightsPráce není přístupnácze
dc.subjectArytmiecze
dc.subjectaplikačně specifický integrovaný obvod (ASIC)cze
dc.subjecthluboká neuronová síť (DNN)cze
dc.subjectelektrokardiogram (EKG)cze
dc.subjectnízký výkoncze
dc.subjectaplikačně specifický integrovaný obvod (ASIC)cze
dc.subjecthluboká neuronová síť (DNN)cze
dc.subjectelektrokardiogram (EKG)cze
dc.subjectnízký výkoncze
dc.subjectArrhythmiaeng
dc.subjectapplication specific integrated circuit (ASIC)eng
dc.subjectdeep neural network (DNN)eng
dc.subjectelectrocardiogram (ECG)eng
dc.subjectlow powereng
dc.subjectapplication specific integrated circuit (ASIC)eng
dc.subjectdeep neural network (DNN)eng
dc.subjectelectrocardiogram (ECG)eng
dc.subjectlow powereng
dc.titleNízkoenergetický koprocesor pro predikci komorové arytmie pro nositelná zdravotnická zařízenícze
dc.title.alternativeA Low-Power Co-Processor to Predict Ventricular Arrhythmia for Wearable Healthcare Deviceseng
dc.typearticlecze
dspace.entity.typePublication

Soubory

Původní svazek

Nyní se zobrazuje 1 - 1 z 1
Náhled
Název:
A_Low-Power_Co-Processor_to_Predict_Ventricular_Arrhythmia_for_Wearable_Healthcare_Devices.pdf
Velikost:
2.22 MB
Formát:
Adobe Portable Document Format
A_Low-Power_Co-Processor_to_Predict_Ventricular_Arrhythmia_for_Wearable_Healthcare_Devices.pdf (2.22 MB)

Kolekce

Publikační činnost akademických pracovníků UPCE / UPCE Research Outputs
Publikační činnost akademických pracovníků FEI / FEI Research Outputs