An analog neuromorphic classifier chip for ECG arrhythmia detection

Moore yasasını takiben veri işleme gücündeki donanımsal ve algoritmik artış sayesinde eskiden hastanelerle sınırlı olan elektrokardiyografi (EKG) sistemleri yavaşça gündelik hayatımızın bir parçası olmaktadır. Farklı kişiler arasındaki fizyolojik farklardan ötürü bir EKG taramasındaki anormallikleri, aritmileri, analitik bir şekilde tespit etmek kolay değildir. Bu sorunun üstesinden gelmek için öncelikle, iki aşamalı makine öğrenme tabanlı zaman bölgesi bir algoritma tasarlanırr ve MIT - BIH veri tabanından alınan verileri kullanarak MatLab üzerinde denenir. Algoritma önişleme aşaması ile başlar. Bu ilk aşamada sisteme verilen EKG sinyalinden yedi özellik çıkarılır. Bu özellikler daha sonra ikinci tanımlama aşamasına aktarılır. Bu aşamada bir algılayıcı özelliklere dayanarak o an işlenen EKG sinyalini aritmik veya normal olarak sınıflandırır. Algoritma daha sonra XFAB XC06M3 üretim sürecini kullanarak Cadence Virtuoso'da bir analog CMOS devreye dönüştürülür. Önişleme aşamasındaki işlemlerin çoğu işlemsel iletkenlik yükseltici devreleri kullanarak yapılır. Devre tanımlayıcıdaki ağırlıkları depolamak için analog yüzen geçit metal oksit yarı iletken transistörler kullanır. Aktivasyon fonksiyonu içinse bir kazanan-hepsini-alır akım karşılaştırıcısı kullanılır. Simülasyon sonuçları devrenin istenen şekilde çalıştığını gösterir. Devrenin toplam güç tüketimi 290 μW'dır.