PulseAugur
中
实时 10:29:40
English(EN) Quantization-Aware Neuromorphic Architecture for Skin Lesion Classification on Resource-Constrained Devices

新型神经形态架构增强了边缘设备的皮肤病变分类能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了QANA，一种新颖的量化感知神经形态架构，专为资源受限设备上的皮肤病变分类而设计。该架构通过约束中间激活并用与脉冲兼容的变换替换转换脆弱的组件，从而改进了从CNN到SNN的转换过程。QANA在HAM10000数据集上表现出色，达到了91.6%的Top-1准确率和91.0%的宏F1分数，并且在部署到BrainChip Akida神经形态处理器上时，在准确率、延迟和能耗方面也显示出显著的改进。 AI

影响 这项研究有望在低功耗边缘设备上实现更高效、更准确的AI驱动的医疗诊断。

排序理由 详细介绍新架构及其性能指标的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型神经形态架构增强了边缘设备的皮肤病变分类能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Haitian Wang, Xia Cheng, Xinyu Wang, Fiona Wei, Zichen Geng ·

    面向资源受限设备的量化感知神经形态架构用于皮肤病变分类

    arXiv:2507.15958v5 Announce Type: replace-cross Abstract: On-device skin lesion analysis is constrained by the compute and energy cost of conventional CNN inference and by the need for lightweight calibration under clinical data shift. Neuromorphic processors provide event-driven…

相关实体

相关话题