Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Fajardo Ariza, Carlos AugustoJaramillo Rueda, Andrés FelipeVargas Pacheco, Laura Yuritza2024-03-0420202024-03-0420202020https://noesis.uis.edu.co/handle/20.500.14071/40073Las arritmias cardíacas son una de las enfermedades cardíacas más comunes en todo el mundo, que se caracterizan por un ritmo cardíaco anormal que puede poner en peligro la vida. Recientemente, se han propuesto varias redes neuronales convolucionales para detectar diferentes arritmias cardíacas. Proponemos una arquitectura computacional para la inferencia de una red neuronal convolucional cuantificada (Q-CNN) que permite la detección de una arritmia cardíaca llamada fibrilación auricular (FA). La arquitectura computacional se implementó y probó en un FPGA Xilinx Artix-7. El diseño se basa en un procesador de matriz sistólica, que está optimizado para realizar tanto las capas convolucionales como las completamente conectadas. Los resultados experimentales se presentan con respecto al proceso de cuantización en diferentes números de bits, cantidad de hardware y precisión. Finalmente, se seleccionó un Q-CNN de 22 bits, que logra un 94% de precisión. Este trabajo pretende ser la base para la implementación futura de un dispositivo portátil, de bajo costo y alta confiabilidad para el diagnóstico de la FA.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Fibrilación AuricularDetección AutomáticaImplementación FpgaRed Neural Convolucional Cuantizada.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coAtrial FibrillationAutomatic DetectionFpga ImplementationQuantized Convolutional Neural Network.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)