Geri Dön

An analog neuromorphic classifier chip for ECG arrhythmia detection

EKG'de aritmi tespiti için bir analog nöromorfik tanımlayıcı çip

  1. Tez No: 585225
  2. Yazar: MURAT ALP GÜNGEN
  3. Danışmanlar: PROF. DR. ABDULLAH ATALAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 119

Özet

Moore yasasını takiben veri işleme gücündeki donanımsal ve algoritmik artış sayesinde eskiden hastanelerle sınırlı olan elektrokardiyografi (EKG) sistemleri yavaşça gündelik hayatımızın bir parçası olmaktadır. Farklı kişiler arasındaki fizyolojik farklardan ötürü bir EKG taramasındaki anormallikleri, aritmileri, analitik bir şekilde tespit etmek kolay değildir. Bu sorunun üstesinden gelmek için öncelikle, iki aşamalı makine öğrenme tabanlı zaman bölgesi bir algoritma tasarlanırr ve MIT - BIH veri tabanından alınan verileri kullanarak MatLab üzerinde denenir. Algoritma önişleme aşaması ile başlar. Bu ilk aşamada sisteme verilen EKG sinyalinden yedi özellik çıkarılır. Bu özellikler daha sonra ikinci tanımlama aşamasına aktarılır. Bu aşamada bir algılayıcı özelliklere dayanarak o an işlenen EKG sinyalini aritmik veya normal olarak sınıflandırır. Algoritma daha sonra XFAB XC06M3 üretim sürecini kullanarak Cadence Virtuoso'da bir analog CMOS devreye dönüştürülür. Önişleme aşamasındaki işlemlerin çoğu işlemsel iletkenlik yükseltici devreleri kullanarak yapılır. Devre tanımlayıcıdaki ağırlıkları depolamak için analog yüzen geçit metal oksit yarı iletken transistörler kullanır. Aktivasyon fonksiyonu içinse bir kazanan-hepsini-alır akım karşılaştırıcısı kullanılır. Simülasyon sonuçları devrenin istenen şekilde çalıştığını gösterir. Devrenin toplam güç tüketimi 290 μW'dır.

Özet (Çeviri)

Following Moore's Law, the increase in the availability of more processing power alongside the development of algorithms that can use this power, electrocardiogram (ECG) systems are now becoming a part of our daily lives. The analytical detection of irregularities within the ECG scan, arrhythmias, is tricky due to the variations in the signals that differ from people to people due to physiological reasons. In order to overcome this problem, a two stage machine-learning based time-domain algorithm is first developed and tested on MatLab using data-sets from the MIT - BIH Arrhythmia Database. The algorithm begins with the preprocessing stage where seven features are extracted from the input ECG waveform. These features are then moved onto the second classification stage where a perceptron classifies the features as arrhythmic or normal. The algorithm was then converted into an analog CMOS circuit using the XFAB XC06M3 fabrication process on Cadence Virtuoso. Most of the operations in the preprocessing stage were completed using operational transconductance amplifiers (OTAs). For the classifier, the circuit uses analog floating gate metal oxide semiconductor transistors (FGMOS) to store the weights of the perceptron and a winner-take-all current comparator for the activation function. Simulation results show that the circuit works as intended with a power consumption of 290 μW.

Benzer Tezler

  1. Memristör tabanlı nonlineer sistem uygulamaları

    Memristor based nonlinear system applications

    SEDA ARIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. RECAİ KILIÇ

  2. DynapSIM: a fast, optimizable, and mismatch aware mixed-signal neuromorphic chip simulator

    DynapSIM: hızlı, optimize edilebilir ve uyuşmazlık duyarlı karma sinyalli nöromorfik çip simülatörü

    UĞURCAN ÇAKAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İLKAY ULUSOY

  3. Nöromorfik devre tasarımı ve yeni uygulamaları

    Neuromorphic circuit design and its new applications

    MELİH YILDIRIM

    Doktora

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. FIRAT KAÇAR

  4. Memristör modeli elde etme ve gerçek cihazların analog eşik altı devrelerde kullanımı

    Obtaining the memristor model and the utilization of real devices in analog subthreshold circuits

    MERT ÇOLAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ITIR KÖYMEN MERAL

  5. Nöromorfolojik merkezi desen üreteçleri'nin gerçekleştiriminde alternatif model ve donanım yaklaşımları

    Alternative models and hardware approaches for the realization of the neuromorphic central pattern generators

    NİMET KORKMAZ

    Doktora

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. RECAİ KILIÇ