Implementación en un microcontrolador de la inferencia de una red neuronal convolucional para la detección de arritmias cardiacas

Simple item page
dc.contributor.advisorBoada Quijano, Carlos Arturo
dc.contributor.advisorPertuz Arroyo, Said David
dc.contributor.authorJerez Vera, Julián Eduardo
dc.contributor.authorCadena Téllez, José Luis
dc.date.accessioned2024-03-04T01:11:55Z
dc.date.available2021
dc.date.available2024-03-04T01:11:55Z
dc.date.created2021
dc.date.issued2021
dc.description.abstractLas enfermedades cardíacas tienen una de las más altas tasas de mortalidad en Colombia. Además del reducido número de especialistas en esta rama y la limitada distribución geográfica de los cardiólogos en el país, la detección y tratamiento de este tipo de enfermedades conlleva grandes costos tanto económicos como de tiempo y talento humano. Por tal motivo, se desea realizar la implementación de la inferencia de una red neuronal convolucional para detectar arritmias cardiacas en el microcontrolador Teensy 4.1, el cual posee características relevantes en temas de portabilidad, consumo energético y memoria. La red neuronal es la red SqueezeECG, esta red detecta arritmias cardiacas a partir de señales ECG sin preprocesamiento. La red ofrece una exactitud que está por encima de la de un cardiólogo en promedio. Un aspecto importante para resaltar en esta red es que tiene alrededor de 20x menos parámetros que modelos con una exactitud similar. Nuestros resultados muestran valores de accuracy, precisión, recall y F1 score por encima de 0.8. Se logró un tiempo de inferencia de 4205ms y una latencia de 8196ms trabajando a una frecuencia de 396MHz. El proceso de inferencia requiere un total de 813KB de memoria Flash y 750KB de memoria RAM. El código correspondiente a la implementación se encuentra disponible en el siguiente enlace: https://github.com/JulianJerez/ECG_Microcontroller_Implementation.
dc.description.abstractenglishHeart diseases have one of the highest mortality rates in Colombia. In addition, the small number of specialists in this field and their limited geographical distribution make the detection and treatment of this type of disease entail high costs in terms of time, money, and human talent. Therefore, we implemented the inference of a convolutional neural network to detect cardiac arrhythmias in the Teensy 4.1 microcontroller. This device has relevant characteristics in terms of portability, energy consumption, and memory. The neural network to implement is the SqueezeECG, which detects cardiac arrhythmias from ECG signals without preprocessing. It offers higher accuracy than the average cardiologist and has about 20 times fewer parameters than models of similar accuracy. Our results show accuracy, precision, recall, and F1 score values above 0.8. We achieved an inference time of 4205ms and latency of 8196ms at an operating frequency of 396MHz. The inference process required 813KB of Memory Flash and 750KB of Memory RAM. Code for our implementation is available at https://github.com/JulianJerez/ECG_Microcontroller_Implementation
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/40983
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectArritmias Cardiacas
dc.subjectDeep Learning
dc.subjectInteligencia Artificial
dc.subjectMicrocontrolador
dc.subjectRedes Neuronales Convolucionales
dc.subjectSeñales Electrocardiográficas.
dc.subject.keywordCardiac Arrhythmias
dc.subject.keywordConvolutional Neural Networks
dc.subject.keywordDeep Learning
dc.subject.keywordInference At The Edge
dc.subject.keywordElectrocardiographic Signals
dc.subject.keywordMicrocontroller.
dc.titleImplementación en un microcontrolador de la inferencia de una red neuronal convolucional para la detección de arritmias cardiacas
dc.title.englishA microcontroller implementation of a cnn inference for detecting cardiac arrhythmias*
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
97.59 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
234.26 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
227.86 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Electrónica