APSoC心音辅助诊断算法硬件加速方法

作者：雷晨; 何乐生^*; 王威廉

来源：计算机工程与设计, 2022, 43(03): 661-667.

DOI：10.16208/j.issn1000-7024.2022.03.009

• 先心病
• 高层次综合
• 卷积神经网络
• 全可编程片上系统
• 硬件加速

针对云南边远山区低网络覆盖率和低传输速率下普通移动设备对神经网络处理速度慢、成本高、效率低的问题,提出一种基于APSoC的心音辅助诊断算法的硬件加速方法。在对5122例心音信号进行去噪、特征提取等预处理后,训练CNN网络模型用于心音样本分类。设计通用卷积电路与通用池化电路,将HLS优化后生成硬件电路部署至Zynq-7020APSo C硬件平台,实现CNN算法的硬件加速。实验结果表明,相同条件下,其分类速度相比Intel-i7-8700提高了35倍,分类准确率仅损失了不到1%。该方法满足了高性能、低功耗、低成本等要求,为先心病初诊辅助诊断提供了一种离线解决方案。

• 单位
  云南大学