美丽成电

分享到微信 ×
打开微信“扫一扫”
即可将网页分享至朋友圈
【美丽成电·创新之美】小小芯片,却是多用途“健康管家”!
文:学生记者团 邓婷 刘芷溢、新闻中心 王晓刚 来源:新闻中心 时间:2021-04-02 6833

有没有比“智能手环”更精巧的产品作为我们的“健康管家”呢?最近,电子科技大学信息与通信工程学院博士生刘嘉豪所在的团队,设计制作出了一款轻盈的生理信号人工智能处理芯片,只有一小片雪花那么大。用镊子轻轻把芯片夹起来放在大拇指的指甲盖上,可以放十几片。

9d660bce600fac8f74be9f37dd1c5979.jpg

裸片图

2021年2月17日,在芯片领域奥林匹克会议ISSCC 2021上,团队负责人、信息与通信工程学院周军教授团队宣读了它们的最新研究成果。该成果是电子科技大学在人工智能芯片领域的第一篇ISSCC顶会论文。

这篇论文题为“BioAIP:A Reconfigurable Biomedical AI Processor with Adaptive Learning for Versatile Intelligent Health Monitoring”

功耗更小,监测的准确率更高!刘嘉豪说,这款芯片可以用于多种可穿戴/植入式智能健康监测设备,具有广阔的应用前景。

健康监测很热很火,但有许多“瓶颈”问题

随着生活水平日益提高,人们对身体健康的重视程度逐渐加深。为更加了解身体的运行情况,市场上涌现了大批可携带式的电子传感设备,如监测心率、脉搏的电子手环,监测运动数据的智能手表等。

可穿戴、可植入式智能健康监测设备是这个领域的未来发展方向。它的核心模块就是生理信号人工智能处理芯片。但是,目前已有的生理信号AI处理芯片常常存在监测任务(或者应用)单一、可靠性较差等缺点,不能很好地满足人们的需求。


ede1d7ae990d01b9131dcf9d1c2312dc.jpg

芯片应用展示图

“比如,要做心电识别,就需要可穿戴或植入心电识别的芯片;要做癫痫检测,就要穿戴或植入癫痫检测芯片,运动感知、情绪监测等,都需要专用的芯片,应用很不方便。”刘嘉豪说,“生理信号还可能存在较大的病人间差异性,在实际应用中,预先训练好的生理信号AI分类算法可能对某些病人的识别准确率会大幅下降。”

另外,现有的通用AI处理芯片主要存在几个方面的不足:一方面,它们的功耗一般在毫瓦级别,不适合应用在超低功耗的可穿戴、可植入式健康监测。另一方面,它们内部并没有设计用于生理信号处理模块,例如信号滤波、峰值检测等,因此不能直接应用在智能健康检测设备中。

疫情期间宅家闭关,每天工作至少10小时

周军教授从2019年12月起,就带领刘嘉豪等团队成员开始研究解决这些问题。春节刚过,由于新冠肺炎疫情突然爆发,团队的师生都各自宅在家里,但研究工作没有丝毫停滞。对他们来说,“闭关”更有利于集中精力、潜下心来。

在芯片设计过程中,需要远程调试代码并进行仿真测试,团队经常在线开会讨论,一开就是四五个小时,深入讨论模块接口以及调试各种Bug。芯片设计团队共包含12位成员,芯片的前后端设计工作均在团队内完成。

微信截图_20210402100208.png

刘嘉豪

在撰写论文时,每一页论文、配图,他们都要反复斟酌、打磨,来来回回修改了十几个版本。周军教授和常亮研究员经常通过长时间的远程会议,指导学生们开展工作。他们每天至少工作10个小时,但大家热情都很高。终于等到新学期开学,疫情防控进入“新常态”,团队师生迅速返校,用了不到20天就完成了芯片测试和论文的最后修改。

回顾这段难忘的时光,刘嘉豪说:“科研从来不是一个人的英雄主义,而是一群人满怀热情为同一个目标奋力拼搏。那段时间,各位老师和同学们是最辛苦的!”功夫不负有心人,他们的研究成果最终在芯片领域奥林匹克会议ISSCC 2021上宣读,得到了国际同行的充分认可。

锐意创新结出硕果,拓展了AI芯片的应用潜力

在这项研究中,周军教授带领团队研发了一种超低功耗、可重构、支持自适应学习的生理信号AI处理芯片,缩写BioAIP。

在该芯片中,他们设计了具有硬件重构能力的神经网络处理引擎,可以完成不同的神经网络结构计算,从而支持不同的生理信号AI处理算法。同时,设计了多种可灵活配置的生理信号处理引擎,如可配置滤波模块、峰值检测模块、信号分窗模块等,从而支持不同的生理信号预处理任务。这二者相互结合,可用于多种不同的AI健康监测应用。


665417b11ef3ff48e4cfdaeae1bc601d.jpg

手指封装芯片

在此基础上,他们还提出并实现了一系列超低功耗芯片设计技术,如事件驱动神经网络处理架构,片上数据近似压缩技术、神经网络/预处理引擎复用技术、自适应生理信号压缩技术等。在心电识别、癫痫检测、手势识别等多个AI健康监测任务中,他们的芯片都达到了小于6微焦的极低分类能耗。

另外,他们针对生理信号病人间差异性导致检测准确率降低的问题,提出了一种低复杂度基于AI的自适应学习技术,使得AI算法可以学习不同病人的生理信号特征,从而有效提升准确率,同时不增加太多功耗。刘嘉豪表示:“该AI处理芯片可以用于多种可穿戴/植入式智能健康监测设备,具有广阔的应用前景!”

让人工智能和医疗健康结合,是很有潜力的产业方向之一。刘嘉豪说,市场对AI处理芯片的要求主要有三个方面:一是能更加精确地采集生理信号,二要更便捷,不会影响人们的正常生活,三是能具有较高的诊断的可靠性。BIOAIP作为创新的产品,兼具这三大特性。

0fe7455bb074a7d818839dea527c0aba.jpg

芯片架构图

这也是成电版“BIOAIP”优于市场上大多数产品的地方之一。目前,团队已经做了三个Demo:心电监测产品可以监测5种疾病,脑电监测产品可以检测或预测癫痫,肌电监测产品可以用来做假肢控制。

兴趣牵引走上科研道路,追梦的路上要风雨兼程

为什么会走上科研这条路?刘嘉豪表示,科研的第一要义是热爱。他从高中开始便自己鼓捣一些东西,比如焊电路板之类。大一时,他进入了英才实验学院,出于对电路的热爱,坚持做电子设计,一做就是四年。

后来,他接触到了数字芯片,对数字电路设计产生了浓厚的兴趣。一方面,他可以继续坚持有关于电路的梦想,另一方面,他在这个领域发现和挖掘到了自己的真正天赋。找到方向后,他便下定决心深耕其中。

d6793f4ccd125ad963db582bea70baab.jpg

部分团队成员

读研期间,即2018年12月7日至9日,第二届全国大学生FPGA创新设计邀请赛复赛在南京集成电路产业服务中心落下帷幕。在周军、林水生、李纯明老师的指导下,研究生组的刘野、贾从含、刘嘉豪设计的《基于FPGA的医疗MRI图像分割系统》荣获全国二等奖。在2021年3月举行的全国大学生挑战杯大赛校赛上,团队凭借该工作获得了评委老师的一致认可,获得校级特等奖,并且被推荐加入省赛。

一步一个脚印,一步一个台阶。刘嘉豪说,“将来我还做这方面,包括生理信号AI处理算法、硬件设计等。希望能够更多地流片、更多地发文章,进一步提升自己的创新能力。”在芯片领域奥林匹克级别会议上发表成果不是终点,而是起点,他说,“我永远在追梦的路上!”



编辑:卿晗  / 审核:卿晗  / 发布:陈伟

"