mgr inż. Marcin Auer
Instytut Inżynierii Biomedycznej, Wydział Nauk Ścisłych i Technicznych, Uniwersytet Śląski w Katowicach, ul. Będzińska 39, Sosnowiec
Ostatnie lata przyniosły znaczny wzrost zainteresowania dziedziną sztucznej inteligencji. Konsekwencją tego trendu jest również rozwój metod uczenia maszynowego oraz identyfikowanie nowych obszarów, w których z powodzeniem można zastosować odpowiednio przygotowane modele sztucznej inteligencji.
Detekcja charakterystycznych sekwencji sygnału (epizodów) jest kluczowym wyzwaniem w opracowaniu nowych, miniaturowych sensorów ubieralnych do monitorowania biosygnałów. Jednym z głównych problemów tej dziedziny jest wysoka złożoność obliczeniowa, skutkująca dużym wykorzystaniem zasobów sprzętowych, a co za tym idzie również energii. Stosując metody minimalizacji modeli sztucznej inteligencji możliwe jest znaczne obniżenie złożoności obliczeniowej przy zachowaniu wysokiej ich dokładności i efektywności. Omówione zostaną rezultaty minimalizacji modeli. Tak zoptymalizowane algorytmy sztucznej inteligencji można z powodzeniem implementować na platformach o znacznie ograniczonych zasobach, takich jak mikrokontrolery.
Celem podejmowanych badań jest uzyskanie możliwie najdokładniejszych modeli detekcji epizodów w sygnałach biomedycznych, możliwych do implementacji na mikrokontrolerach, czego konsekwencją będzie opracowanie inteligentnych sensorów do monitorowania biosygnałów. Zaprezentowane zostaną modele służące do klasyfikacji rodzaju cykli oddechowych oraz detekcji anomalii w biosygnałach oraz wpływ parametrów uczenia na dokładność algorytmów.
Słowa kluczowe: detekcja epizodów w biosygnałach, sztuczna inteligencja, optymalizacja algorytmów, inteligentne sensory