Dense Neural Network Based Arrhythmia Classification on Low-cost and Low-compute Micro-controller

要約

心電図（ECG）モニター装置は、心血管疾患（CVD）の治療と診断に不可欠な装置ではあるが、高価なものである。この装置のコストは通常、2000～10000ドルに及ぶ。いくつかの研究では、ECGモニタリング・システムをマイクロコントローラ・ユニット（MCU）に実装し、産業用開発コストを最大20分の1に削減している。しかし、産業グレードのシステムに対応し、心拍を効果的に表示するには、不整脈（不整脈）を検出するための効率的なアルゴリズムを開発することが不可欠である。そこで本研究では、Arduino Nano上で不整脈を検出する高密度ニューラルネットワークを開発した。Nanoは、16MHzクロックのATMega328マイクロコントローラ、2KBのSRAM、32KBのプログラム・メモリで構成されている。さらに、ECGセンサーとしてAD8232 SparkFun Single-Lead Heart Rate Monitorが使用されている。実装されたニューラルネットワーク・モデルは、シグモイド活性化関数を持つ、それぞれ10ニューロンと4ニューロンの2層（入力を除く）で構成されている。しかし、適切な活性化関数を選択するために、4つのアプローチが検討された。このモデルのサイズは 1.267 KB で、4 種類の不整脈を分類する際の F1 スコア（マクロ平均）は 78.3%、精度は 96.38%、必要な浮動小数点演算（FLOPs）は 0.001314 MOps である。

要約(オリジナル)

The electrocardiogram (ECG) monitoring device is an expensive albeit essential device for the treatment and diagnosis of cardiovascular diseases (CVD). The cost of this device typically ranges from $2000 to $10000. Several studies have implemented ECG monitoring systems in micro-controller units (MCU) to reduce industrial development costs by up to 20 times. However, to match industry-grade systems and display heartbeats effectively, it is essential to develop an efficient algorithm for detecting arrhythmia (irregular heartbeat). Hence in this study, a dense neural network is developed to detect arrhythmia on the Arduino Nano. The Nano consists of the ATMega328 microcontroller with a 16MHz clock, 2KB of SRAM, and 32KB of program memory. Additionally, the AD8232 SparkFun Single-Lead Heart Rate Monitor is used as the ECG sensor. The implemented neural network model consists of two layers (excluding the input) with 10 and four neurons respectively with sigmoid activation function. However, four approaches are explored to choose the appropriate activation functions. The model has a size of 1.267 KB, achieves an F1 score (macro-average) of 78.3\% for classifying four types of arrhythmia, an accuracy rate of 96.38%, and requires 0.001314 MOps of floating-point operations (FLOPs).

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL