该公司开发低功耗AI以驱动植入式设备

这家公司开发低功耗AI以驱动植入式设备 

TTP开发了一个框架，能够在低功耗下对实时ECG数据进行分类并评估其潜在的心律失常，使其适用于起搏器。 

TTP的心律失常解决方案 

传统的AI部署功耗过高且难以应用于植入设备，但该技术为植入物制造商提供了一种开发更具体的闭环疗法的方法。

TTP，一家医疗解决方案提供商，通过在心脏不规则跳动分类的闭环系统中整合低功耗AI处理器，识别并解决了三个挑战。

识别模式被认为是AI的基本能力。当它用于植入式除颤器等闭环疗法时，它提供了对体内神经或电活动的更可靠分类。这允许系统提供所需的电刺激作为治疗。

该公司使用了一款现成的微控制器，并配备了神经网络加速器，但它是首款以低功耗要求开发解决方案的产品，能够在植入式起搏器设备的可用功率容量下对实时心电图（ECG）数据进行分类。

为植入式疗法开发低功耗人工智能

该公司表示，他们改变了信号分类模型的训练方式以及硬件设计。他们通过一种称为“量化感知训练”的技术来训练模型，以较低的分辨率对心电图数据进行分类。这有助于该公司在加速器8位分辨率下保持模型性能。通常，桌面和云端人工智能系统需要32位到64位的分辨率。

心电图数据通常受多种不同因素的影响，例如个体差异、电学波动和心脏活动。在低功耗边缘设备的有限分辨率下，难以通过数字化扩展数据并获得可接受的分类性能。因此，为了满足分类需求，TTP设计了模拟前端，使其能够利用完整的动态范围，并在信号数字化之前调整增益。

Paradigm，作为衍生品领域交易者流动性网络的领先者，最近在Deribit Exchange引入线性山寨币期权交易后获得了重大推动。这一新发布象征着Paradigm的业务扩张，旨在为加密货币交易者提供多样化的期权选择。Paradigm的MATIC大宗交易进入……

标记数据集通常也是时间对齐的，因为如果数据处理和采样在非指定时间开始，这可能导致错误的评估或不必要地消耗电池电量，在某些情况下，数据甚至会被丢弃。因此，数据首先通过模拟过程进行预处理，以实现更高的效率和评估准确性。

TTP的研究人员还调整了系统的时间以减少功耗需求。边缘设备在不执行任务时主要保持关闭状态，因此采样和信号分类必须在不同时间运行。