발작 탐지를 위한 정수 합성곱 신경망

지난 20년 동안 뛰어난 발작 탐지 알고리즘이 개발되었습니다. 이러한 성공에도 불구하고 이들을 이식 가능한 장치나 웨어러블 장치의 일환으로 구현하는 것은 여전히 제한적입니다. 이 작업들은 주로 수많은 특징 추출을 기반으로 하며, 이는 계산 비용이 많이 들고 데이터 세트 특이적입니다. 이러한 문제들은 이러한 방법들이 하드웨어 구현, 특히 응용특화 집적회로와 같은 실리콘 구현에 적용되는 것을 크게 제한합니다. 본 논문에서는 메모리 효율적인 통합 하드웨어 친화적 CNN 프레임워크인 정수 합성곱 신경망(Integer-Net)을 제안합니다. Integer-Net의 성능은 두개내 및 두피 뇌전도(EEG) 신호로 구성된 여러 시간 시계열 데이터 세트를 사용하여 평가됩니다. Integer-Net은 Freiburg병원 두개내 EEG 데이터 세트, 보스턴-MIT 아동병원 두피 EEG 데이터 세트, UPenn 및 Mayo Clinic의 발작 탐지 데이터 세트의 세 가지 데이터 세트에서 일관된 발작 탐지 성능을 보여줍니다. 우리의 실험 결과는 4비트 Integer-Net이 32비트 실수 해상도 CNN 모델에 비해 정확도가 2% 감소하는 데 그치는 반면, 메모리 효율성은 7배 이상 향상된다는 것을 보여줍니다. 우리는 실시간 응용을 위해 중요한 계산 이득을 개선하고 추론 시간을 줄이기 위해 정수 합성곱의 구조를 논의합니다.