Edge AI na STM32 — klasifikace kvality EKG signálu
Implementovali jsme INT8 neuronovou síť pro klasifikaci kvality EKG signálu přímo na STM32L452REI. Model lokálně detekuje pohybové artefakty, EMG rušení a odpojení elektrody, s dobou inference 108 ms a bez závislosti na cloudu.
Kategorie:
AI / MLOdvětví:
Wearables / Embedded AIKlient:
Internal R&D / Product DevelopmentRok:
2025Co je Edge AI?
Edge AI znamená provádět klasifikaci a analýzu přímo na embedded hardwaru namísto v cloudu. U nositelných EKG zařízení umožňuje lokální posouzení kvality signálu odmítnout nekvalitní měření ještě před jejich uložením nebo odesláním. Tím se snižuje latence, omezuje přenos dat a předchází se odesílání syrových, citlivých biosignálů externím službám. Tento projekt uvedený přístup demonstruje na STM32 mikrokontroléru s omezenými zdroji.
Výzva
EKG data z nositelných zařízení jsou často degradována pohybem, problémy s kontaktem a svalovým rušením. Mnoho kompaktních zařízení signál zaznamenává nebo přenáší, aniž by lokálně vyhodnocovalo jeho kvalitu, takže nekvalitní úseky se bez kontroly dostanou do navazující analýzy. To může snižovat důvěru ve výsledky a zvyšovat potřebu ruční kontroly. Ani cloudové zpracování není vždy praktické — kvůli latenci, konektivitě, spotřebě, soukromí a regulatorním omezením.
Naše řešení
Vytrénovali jsme lehkou neuronovou síť na veřejném EKG datasetu (Kaggle, ~10 000 vzorků), augmentovaném pro simulaci odpojení elektrody, pohybových artefaktů a EMG rušení. Model byl kvantizován do INT8 a nasazen přes TensorFlow Lite Micro na STM32L452REI — kompaktní, energeticky úsporný MCU. Implementace rozlišuje dvě samostatná časování: jedna inference trvá 108 ms, zatímco klasifikace je v tomto prototypu plánována každých 5 sekund jako nastavená frekvence vyhodnocování. Zařízení funguje plně offline a nepotřebuje žádné internetové ani cloudové připojení.
Přehled implementace
Vzorkovací frekvence
500 SPSDataset
~10 000 EKG vzorků (90/10 split)Model
Lehká INT8 neuronová síťNasazení
TensorFlow Lite Micro na STM32Doba inference
108 ms na klasifikaciFrekvence vyhodnocování
Každých 5 sekundCílové MCU
STM32L452REIKlíčové výsledky
Klíčové funkce
- Klasifikace kvality EKG přímo na zařízení: Posouzení kvality signálu běží zcela na STM32L452REI, bez cloudu nebo sítě v rozhodovacím procesu.
- INT8 kvantizovaný model: Lehká neuronová síť nasazená přes TensorFlow Lite Micro, dimenzovaná tak, aby se vešla do MCU s omezenými zdroji.
- Detekce běžné degradace signálu: Klasifikuje pohybové artefakty, EMG rušení a odpojení elektrody — nejčastější příčiny nepoužitelných úseků EKG.
- Definovaný model časování: Jedna inference se dokončí za 108 ms, klasifikace je v tomto prototypu plánována každých 5 sekund.
- Lokální zpracování šetrné k soukromí: Vhodné pro případy citlivé na soukromí a s omezenou konektivitou, kde by syrové biosignály neměly opouštět zařízení.
- Architektura pro nositelná zařízení: Praktické řešení pro nízkopříkonové nositelné prototypy postavené na hardwaru třídy MCU.
Co tím získáte
Včasné odmítnutí nekvalitních úseků
Odmítnout nekvalitní úseky EKG ještě před uložením nebo odesláním dat.
Menší závislost na cloudu
Snížit závislost na cloudu a přenos syrových dat.
Soukromí už v návrhu
Zvýšit soukromí lokálním zpracováním citlivých biosignálů.
Spolehlivější měření
Zlepšit spolehlivost nositelných měření při pohybu.
AI na hardwaru třídy MCU
Přidat AI klasifikaci do MCU produktů bez přechodu na Linux-class hardware.
Znovupoužitelný základ
Použít prototyp jako základ pro další biosignální nebo průmyslové senzorové aplikace.
Technologie
- STM32L452REI
- TensorFlow
- TensorFlow Lite Micro
- INT8 Quantization
- C
- Python
- ECG / Biosignals
Výsledky
Projekt ukazuje, že klasifikace kvality EKG signálu může běžet přímo na nízkopříkonovém STM32 mikrokontroléru bez závislosti na cloudu. Kombinace augmentace dat, INT8 kvantizace a nasazení přes TensorFlow Lite Micro vytváří praktický základ pro přidání lokální AI logiky do nositelných a senzorových produktů, kde je důležité soukromí, latence a konektivita. Uvedené výsledky jsou hodnoty z prototypu / R&D, nikoliv klinicky validovaný zdravotnický produkt.
