用于心房颤动检测的低功耗柔性分类芯片

《IEEE Transactions on Circuits and Systems for Artificial Intelligence》：Low-Power Flexible Classifier Chip for Atrial Fibrillation Detection

柔性基底上全集成实时心房颤动检测芯片，采用14位ADC模数转换、时域特征提取及开关电容计算-内存-三层AI神经网络实现高精度分类，在Physionet数据集上达99.5%准确率，Mayo Clinic前瞻研究为80%，Rochester大样本回顾数据集达99.9%。

　　

摘要：

本文介绍了一种完全集成的片上分类器，该分类器基于柔性基板，能够实时从心电图（ECG）信号中检测心房颤动（AFib）。ECG信号通过14位模数转换器（ADC）进行数字化处理，随后通过时域特征提取器提取特征。这些特征被送入一个基于开关电容技术的计算存储型、模拟式的三层人工神经网络（ANN）中进行分类。该测试芯片采用65纳米工艺制造，每次推理的功耗为58.3微焦耳，在Physionet数据集上的平均准确率超过99.5%；在亚利桑那州梅奥诊所进行的小规模前瞻性人体研究中的准确率为80%；而在梅奥诊所企业提供的Rochester数据集（大规模回顾性数据集）中的准确率为99.9%。