پردازش سیگنال سیستم های پزشکی و زیستی مبتنی بر FPGA: چارچوب ها، معماری ها و چالش های نوظهور

سازمان های بهداشت جهانی گزارش می دهند که بیش از ۶۰٪ بیماری های مزمن نیازمند پایش لحظه ای و تحلیل بلادرنگ داده های زیستی هستند. با گسترش دستگاه های پوشیدنی هوشمند، مانیتورهای پرتابل قلبی، و تجهیزات تشخیصی مبتنی بر هوش مصنوعی، نیاز به سامانه های پردازشی با تاخیر بسیار کم، توان مصرفی پایین و قابلیت پردازش هم زمان افزایش یافته است. سخت افزارهای FPGA با معماری بلادرنگ، قابلیت پیکربندی مجدد، منطق موازی و قابلیت بهره برداری از منابع ویژه مانند DSP Slice و Block RAM نسبت به CPU و GPU مزیت های قابل توجهی دارند. در این مقاله، ضمن بررسی معماری های پیشرفته FPGA، الگوریتم های پردازش سیگنال زیستی شامل فیلترینگ دیجیتال، استخراج ویژگی، پردازش موجک، تبدیل های فرکانسی، و طبقه بندی مبتنی بر شبکه های عصبی سبک تحلیل می شوند. همچنین یک سیستم پیشنهادی برای پردازش ECG بر پایه الگوریتم Pan-Tompkins و معماری لوله بندی شده روی FPGA ارائه می شود. نتایج نشان می دهد این سامانه تا ۲۰ برابر سریع تر از CPU و ۷ برابر کم مصرف تر از پیاده سازی مشابه روی GPU عمل می کند. در پایان، مسیرهای آینده شامل FPGAهای کم مصرف برای پزشکی، پیاده سازی یادگیری آنلاین و الگوریتم های کوانتیزه شده مورد بحث قرار می گیرد.

کلیدواژه ها:

FPGA ، پردازش ، سیگنال ، پزشکی ، زیستی