TinyML 模型实现设备内心律失常检测

研究人员开发了 ArrythML，一种使用自编码器模型的设备内心律失常检测 TinyML 方法。这些 INT8 量化模型专为资源受限的嵌入式系统设计，可在 ESP32-S3 微控制器上处理超过 95,000 个 ECG 片段。性能最佳的模型尺寸为 180 KB，推理延迟为 9 毫秒，达到了 84% 的召回率和 79% 的 F1 分数，展示了低功耗、注重隐私的可穿戴设备的潜力。 AI

影响 为实时健康监测的低功耗、注重隐私的可穿戴设备提供了可能。

排序理由 该集群包含一篇详细介绍新方法和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• ArrythML
• autoencoder
• ECG
• ESP32-S3
• INT8
• MIT-BIH Arrhythmia Database
• TensorFlow Lite Micro
• TinyML

• 论文
• 产品
• 其他

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