Implementación de una red neuronal convolucional cuantificada para la detención automática de fibrilación auricular en un microcontrolador de 8 bits
La fibrilación auricular (FA) es una enfermedad silenciosa que es de difícil diagnostico porque sus síntomas son esporádicos, tiene una alta tasa de mortalidad en el mundo cuando se diagnostica tarde. Actualmente, las redes neuronales convolucionales (CNN) son una herramienta importante utilizada pa...
- Autores:
-
Martínez Cruz, Laura Cristina
Bautista Porras, Mauricio
- Tipo de recurso:
- http://purl.org/coar/version/c_b1a7d7d4d402bcce
- Fecha de publicación:
- 2020
- Institución:
- Universidad Industrial de Santander
- Repositorio:
- Repositorio UIS
- Idioma:
- spa
- OAI Identifier:
- oai:noesis.uis.edu.co:20.500.14071/40079
- Palabra clave:
- Fibrilación Auricular
Método Heurístico
Microcontrolador
Red Neuronal Convolucional
Cuantización.
Atrial Fibrillation
Heuristic Method
Microcontroller
Convolutional Neural Network
Quantization.
- Rights
- License
- Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
| Summary: | La fibrilación auricular (FA) es una enfermedad silenciosa que es de difícil diagnostico porque sus síntomas son esporádicos, tiene una alta tasa de mortalidad en el mundo cuando se diagnostica tarde. Actualmente, las redes neuronales convolucionales (CNN) son una herramienta importante utilizada para el diagnóstico de enfermedades como fibrilación auricular, cáncer de mama, entre otras. Sin embargo, las CNN tiene una alta demanda computacional y de memoria, lo que dificulta su implementación en dispositivos con bajos recursos computacionales. Un tema muy activo en la investigación son las redes neuronales cuantizadas ya que son una solución para reducir la cantidad de recursos informáticos y de memoria. Nuestro objetivo es implementar el proceso de inferencia de una CNN en un microcontrolador de 8 bits (ATMEGA2560) mediante el uso de estrategias de cuantización. Se probaron varias técnicas de cuantización de 8 bits antes de implementar la CNN en el microcontrolador. La implementación final se realizó mediante un método heurístico que llamamos cuantificación dinámica de capa. Este método nos permite lograr una forma efectiva de reducir la complejidad computacional de CNN y sus requerimientos de memoria. Nuestros resultados muestran una precisión del 89,48 %. Este trabajo es la primera etapa de un macroproyecto que tiene como objetivo construir un dispositivo portátil altamente confiable para la detección de fibrilación auricular. |
|---|