Identificação de sistema (ECG x respiração) para detecção de batimentos ectópicos de maneira automática usando rede neural em um SoC

Abstract

Este trabalho de graduação tem como objetivo a criação de redes neurais que possam ser treinadas e parametrizadas em FPGAs. Como base, está sendo utilizada uma ferramenta [1] desenvolvida e em vários trabalhos do LEIA (Laboratory of Embedded Systems and Integrated Circuits Applications) para a geração de redes RBF em VHDL que utiliza treinamento offline e que resulta em uma arquitetura em VHDL com parâmetros fixos. Esse trabalho evolui essa arquitetura para criar uma solução completa em hardware e software de uma rede neural RBF auto-treinada com parâmetros variáveis e comunicação com um computador em pipeline. Neste trabalho foi desenvolvido um sistema embarcado responsável por identificar processos de característica caixa-preta, ou seja, processos que não podem ser representados por equações matemáticas determinísticas. A solução foi testada e validada inicialmente em um sistema benchmark Wiener-Hammerstein e, posteriormente aplicada a um problema de detecção de batimentos ectópicos através da identificação do sistema biomédico: Respiração (entrada) x Batimento cardíaco (saída).