基于深度学习的癫痫识别软硬件协同设计

摘要

针对人工识别脑电图(EEG)的癫痫发作的低效以及现有自动识别算法的高开销等问题,本文提出了一种基于深度学习的癫痫识别的软硬件协同设计。软件部分提出了一种基于深度学习的癫痫识别模型,该模型的正确率在CHB-MIT数据集上能够达到97.08%的同时,尺寸与运算量仅为现有同类方案的20%。硬件部分提出了一种卷积神经网络处理器结构,该结构能够有效提升运算效率,在FPGA平台上完成一次癫痫识别过程仅需要0.6 ms。