論文の概要: Hardware Implementation of Deep Network Accelerators Towards Healthcare
and Biomedical Applications
- arxiv url: http://arxiv.org/abs/2007.05657v2
- Date: Wed, 28 Apr 2021 05:45:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 13:55:07.849143
- Title: Hardware Implementation of Deep Network Accelerators Towards Healthcare
and Biomedical Applications
- Title（参考訳）: 深層ネットワーク加速器のハードウェア実装と医療・医療への応用
- Authors: Mostafa Rahimi Azghadi, Corey Lammie, Jason K. Eshraghian, Melika
Payvand, Elisa Donati, Bernabe Linares-Barranco, and Giacomo Indiveri
- Abstract要約: 本稿では,効率的なDL加速器の開発に様々な技術が利用できるかを説明するチュートリアルを提供する。
バイオメディカルシグナルを処理するために, スパイクニューロモルフィックプロセッサが, DLプロセッサを補完する方法について検討する。
- 参考スコア（独自算出の注目度）: 3.1366585656972092
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The advent of dedicated Deep Learning (DL) accelerators and neuromorphic
processors has brought on new opportunities for applying both Deep and Spiking
Neural Network (SNN) algorithms to healthcare and biomedical applications at
the edge. This can facilitate the advancement of medical Internet of Things
(IoT) systems and Point of Care (PoC) devices. In this paper, we provide a
tutorial describing how various technologies including emerging memristive
devices, Field Programmable Gate Arrays (FPGAs), and Complementary Metal Oxide
Semiconductor (CMOS) can be used to develop efficient DL accelerators to solve
a wide variety of diagnostic, pattern recognition, and signal processing
problems in healthcare. Furthermore, we explore how spiking neuromorphic
processors can complement their DL counterparts for processing biomedical
signals. The tutorial is augmented with case studies of the vast literature on
neural network and neuromorphic hardware as applied to the healthcare domain.
We benchmark various hardware platforms by performing a sensor fusion signal
processing task combining electromyography (EMG) signals with computer vision.
Comparisons are made between dedicated neuromorphic processors and embedded AI
accelerators in terms of inference latency and energy. Finally, we provide our
analysis of the field and share a perspective on the advantages, disadvantages,
challenges, and opportunities that various accelerators and neuromorphic
processors introduce to healthcare and biomedical domains.
- Abstract（参考訳）: 専用のDeep Learning(DL)アクセラレータとニューロモーフィックプロセッサの出現は、Deep and Spiking Neural Network(SNN)アルゴリズムを医療およびバイオメディカルアプリケーションに適用する新たな機会をもたらした。
これにより、医療用IoT(Internet of Things)システムやPoC(Point of Care)デバイスの開発が容易になる。
本稿では,医療における多種多様な診断,パターン認識,信号処理の問題を解決するために,新興メムリシブデバイス,FPGA(Field Programmable Gate Arrays),CMOS(Complementary Metal oxide Semiconductor)などの様々な技術を用いて,効率的なDL加速器を開発する方法について解説する。
さらに, バイオメディカルシグナルの処理において, スパイクニューロモルフィックプロセッサがDLを補完する方法について検討した。
このチュートリアルは、医療領域に適用されるニューラルネットワークと神経形態的ハードウェアに関する膨大な文献のケーススタディで補強されている。
我々は,EMG信号とコンピュータビジョンを組み合わせたセンサ融合信号処理タスクを実行することで,様々なハードウェアプラットフォームをベンチマークする。
推論遅延とエネルギーの観点から、専用のニューロモルフィックプロセッサと組み込みAIアクセラレータの比較を行う。
最後に、我々はこの分野の分析を行い、様々なアクセラレーターやニューロモーフィックプロセッサが医療やバイオメディカルドメインに導入するメリット、デメリット、課題、機会について見解を共有します。
関連論文リスト
- Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - A Convolutional Spiking Network for Gesture Recognition in
Brain-Computer Interfaces [0.8122270502556371]
脳信号に基づく手振り分類の例題問題に対して,簡単な機械学習に基づくアプローチを提案する。
本手法は脳波データとECoGデータの両方で異なる対象に一般化し,92.74-97.07%の範囲で精度が向上することを示した。
論文 参考訳（メタデータ） (2023-04-21T16:23:40Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - Realizing Molecular Machine Learning through Communications for
Biological AI: Future Directions and Challenges [4.059849656394191]
分子機械学習(MML)に向けて、従来の装置よりもはるかに小さいスケールと媒体について検討する。
MMLの操作の基礎は、化学反応を通じて分子によって伝播される情報の輸送、処理、解釈である。
私たちは将来的な方向性と、この分野が解決できる課題に注目します。
論文 参考訳（メタデータ） (2022-12-22T17:53:25Z) - Hyperdimensional computing encoding for feature selection on the use
case of epileptic seizure detection [4.538319875483978]
適切なエンコーディングを選択することで,HDコンピューティングを用いて特徴選択を行う方法を示す。
これは、文献におけるHDコンピューティングを用いた機能選択を行うための最初のアプローチである。
論文 参考訳（メタデータ） (2022-05-16T13:18:37Z) - FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。
この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。
分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
論文 参考訳（メタデータ） (2022-01-18T13:59:22Z) - An adaptive cognitive sensor node for ECG monitoring in the Internet of
Medical Things [0.7646713951724011]
インターネット・オブ・メディカル・モノズ(IoMT)パラダイムは、複数の臨床試験や医療処置で主流になりつつある。
本研究では,資源制約型コンピューティングプラットフォームにおける認知データ解析アルゴリズムの実装について検討する。
コンボリューションニューラルネットワークを用いて心電図のトレースを分類する手法について検討した。
論文 参考訳（メタデータ） (2021-06-11T16:49:10Z) - Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。
フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。
これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
論文 参考訳（メタデータ） (2020-10-30T21:41:44Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z) - EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications [65.32004302942218]
Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。
近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
論文 参考訳（メタデータ） (2020-01-28T10:36:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。