Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Invited Paper: Feature-to-Classifier Co-Design for Mixed-Signal Smart Flexible Wearables for Healthcare at the Extreme Edge

Created by
  • Haebom

저자

Maha Shatta, Konstantinos Balaskas, Paula Carolina Lozano Duarte, Georgios Panagopoulos, Mehdi B. Tahoori, Georgios Zervakis

개요

본 논문은 웨어러블 헬스케어 기기의 유연 전자(FE) 시스템 설계를 위한 혼합 신호 특징-분류기 공동 설계 프레임워크를 제시한다. 기존 FE 솔루션들이 분류기에만 집중하는 것과 달리, 본 연구는 아날로그 프런트엔드, 특징 추출, 분류기를 통합하는 ML 기반 헬스케어 시스템에서 면적 및 전력 제약을 해결하기 위해 시스템 전체적인 관점에서 접근한다. 특히, FE에서 최초로 아날로그 특징 추출기를 설계하여 특징 추출 비용을 크게 줄였으며, 하드웨어 인식 NAS 기반 특징 선택 전략을 통해 애플리케이션 특화 설계를 가능하게 한다. 헬스케어 벤치마크 평가 결과, 고정밀도의 초저면적 효율적인 유연 시스템을 구현하여 일회용 저전력 웨어러블 모니터링에 적합함을 보여준다.

시사점, 한계점

시사점:
유연 전자 기반 웨어러블 헬스케어 시스템 설계에 대한 혁신적인 혼합 신호 공동 설계 프레임워크 제시.
아날로그 특징 추출기를 FE에 최초로 구현하여 시스템 효율 향상.
하드웨어 인식 NAS 기반 특징 선택 전략을 통해 애플리케이션 특화 설계 가능.
고정밀도, 초저면적, 저전력의 유연 시스템 구현으로 일회용 웨어러블 모니터링 가능성 제시.
한계점:
제안된 프레임워크의 실제 웨어러블 기기 적용 및 장기간 안정성에 대한 추가 연구 필요.
다양한 헬스케어 애플리케이션 및 센서 유형에 대한 일반화 가능성 검증 필요.
아날로그 특징 추출기의 설계 및 구현에 대한 세부적인 정보 부족.
👍