Künstliche Intelligenz Herzrhythmusstörungen und Vorhofflimmern aus EKG-Daten erkennen

Autor / Redakteur: Hendrik Härter / Nico Litzel

Wissenschaftler haben einen Chip entwickelt, der EKG-Daten hochgenau auswertet. Wird die Signalverarbeitung nicht benötigt, wird sie schlafen gelegt. Dabei helfen nicht-flüchtige Speicher. Das spart 95 Prozent der Energie ein.

Firma zum Thema

Energiesparender KI-Chip: Wissenschaftler haben eine Möglichkeit entwickelt, um die Signalverarbeitung über eine lange Zeit schlafen zulegen.
Energiesparender KI-Chip: Wissenschaftler haben eine Möglichkeit entwickelt, um die Signalverarbeitung über eine lange Zeit schlafen zulegen.
(Bild: Gerd Altmann / Pixabay )

Die Aufgabe lautet: „Welcher Chip schafft es, aus den EKG-Daten Herzrhythmusstörungen und Vorhofflimmern mit mindestens 90 Prozent Genauigkeit zu erkennen und dabei am wenigsten Energie zu verbrauchen?“ Am 11. März wurden die Sieger des Pilotinnovationswettbewerbs „Energieeffiziente KI-Systeme“ des Bundesforschungsministeriums (BMBF) ausgezeichnet. Mit dabei das Fraunhofer-Institut für Integrierte Schaltungen IIS gemeinsam mit der Friedrich-Alexander-Universität Erlangen-Nürnberg.

Eine besonders energieeffiziente Verarbeitung von Zeitreihensignalen – das ist das Thema des Projekts Lo3-ML „Low-Power Low-Memory Low-Cost EKG-Signalanalyse mit ML-Algorithmen“. Im Projekt wurde ein Chip für KI-Berechnungen entwickelt – genauer: für Deep Learning, um bei EKG-Signalen zu analysieren, ob der Patient gesund ist oder unter Herzvorhofflimmern leidet. Der Clou dabei: Ein Teil des Chips, nämlich die Signalverarbeitung, wird gewissermaßen schlafen gelegt, solange diese nicht benötigt wird – das spart bis zu 95 Prozent der Energie. Die entwickelte Schaltung ist für andere Anwendungen nutzbar, bei denen Zeitreihensignale verarbeitet werden. Das ist beispielsweise bei einer Anomaliedetektion oder Predictive Maintenance.

Schlafende Signalverarbeitung spart Energie

Dank des Einsatzes von speziellen systolischen Arrays kann die zur Ablaufsteuerung benötigte Energie stark gedrückt werden. Es werden nur die drei Gewichtswerte -1, 0 und +1 verwendet sowie Normierungen mit Zweierpotenzen, was einerseits einen hochflexiblen Algorithmus erlaubt, mit denen aber andererseits die Gewichtung und Normierung äußerst effizient implementiert werden kann. Der Chip enthält nicht-flüchtige Speicher, sogenannte RRAMs, samt Ultra-Low-Power-Schaltungen zum Schreiben und Lesen, die genau diese ternären Werte (aus drei Grundwerten bestehend) sehr effizient speichern können.

Diese nicht-flüchtigen Speicher erlauben es, die Signalverarbeitung über lange Phasen schlafen zulegen, um keine Energie zu verbrauchen. Bei typischen Signalbandbreiten im (Sub-) kHz-Bereich fließen die Daten viel langsamer in den Chip ein, als sie verarbeitet werden können. Das Aufsammeln dieser Daten durch einen wachen Chip-Teil, während der KI-Algorithmus schläft, gefolgt vom Aufwecken – dank der RRAMs stehen alle Parameter sofort zur Verfügung – und einer kurzen KI-Verarbeitung kann deshalb bis zu 95 Prozent der Energie sparen im Vergleich zu einem Always-On-System.

Zusätzlich zur digitalen und analogen Schaltungsentwicklung und der ASIC-Implementierung wurde viel Wert auf eine Automatisierung des Entwurfsprozesses gelegt, um gemeinsam den KI-Algorithmus und die Schaltung mit Blick auf die Energie zu optimieren. Dazu gehören auch neu entwickelte Tools für Hardware-Aware-Training eines neuronalen Netzes, wie für die verwendete extreme Quantisierung. Dieser Prozess kann auch für andere Probleme und Anwendungen eingesetzt werden.

Hintergrund: Energieeffizienz von Mikroelektronik

Die Wettbewerbsprojekte sollen jeweils einen energieeffizienten Mikroelektronik-Chip entwerfen und erproben, auf der leistungsfähige Algorithmen (Künstlichen Intelligenz) laufen können. Das „Energieeffiziente KI-System“ lernt am Beispiel von EKG-Daten, Herzrhythmusstörungen mit sehr hoher Genauigkeit und möglichst geringem Energieverbrauch zu erkennen. Als Lern-Daten dienen im Wettbewerb mehre tausend EKG-Datensätze, die von Kardiologen des Telemedizinzentrums der Charité in Berlin, im Einklang mit dem Datenschutz, zur Verfügung gestellt wurden.

Der Wettbewerb fordert, dass das KI-System mit einer Genauigkeit von mindestens 90 Prozent ein Herz-Vorhofflimmern erkennt und dieses nahezu in Echtzeit klassifiziert. Die drei Energie-effizientesten Systeme gewinnen den Wettbewerb und erhalten die Gelegenheit, in einem Folgeprojekt die Anwendung ihres innovativen Konzepts auch mit Industriepartnern voran zu treiben.

Das Ziel, auf das sich die Hochschulen im Pilotinnovationswettbewerb „Energieeffizientes KI-System“ ausrichten, ist unter Mitwirkung der Industrie so gewählt, dass die Industrie die Ergebnisse begleiten kann und zu weiterführenden Aktivitäten bereitsteht.

Dieser Artikel stammt von unserem Partnerportal DeviceMed.

(ID:47313256)