在AIoT传感系统中，基于相位感知的心脏边缘识别技术用于生理信息驱动的心脏起搏器（CI）参数估计

《IEEE Sensors Journal》：Phase-Aware Cardiac Edge Recognition for Physiologically Informed CI Estimation in AIoT Sensing Systems

　　

摘要：

用于边缘人工智能（edge AI）的节能型生物集成传感系统必须在传感可用性、计算资源和硬件面积方面受到严格限制的条件下运行。本文提出了基于生理学原理的框架——Phase-Aware Cardiac Edge Recognition（PACER），该框架通过软件改进和硬件高效实现，解决了这些挑战，用于在AIoT传感系统中进行非侵入式心脏指数（CI）的估计。在本研究中，使用Terumo和PhysioFlow平台收集数据以进行严格验证。首先，在资源受限的情况下，优化了一个单阶段神经模型以最小化输入维度。与需要多个参数的现有技术相比，该模型仅使用两个生理参数即可实现CI估计，性能提高了30%，准确率达到96%，均方根误差（RMSE）约为0.29。其次，在测量数据不足的情况下，PACER架构引入了一种基于校准的策略。尽管传感信息减少，PACER仍保持了96%的高预测准确率，RMSE约为0.29，显著优于多变量线性回归基线模型（准确率为90%，RMSE为0.42）。在硬件方面，PACER框架完全在FPGA平台上实现，采用定点算术。该设计实现了高速、低延迟的推理，硬件级准确率约为96%，与软件结果非常接近。值得注意的是，与现有设计相比，它将逻辑和内存资源的使用量减少了近三分之二。这些结果验证了PACER作为边缘AIoT医疗应用中节能型生物集成传感的实用且可扩展的解决方案。