應用概覽概述
利用裝置上的神經網路硬體加速器實現即時人工智慧分類，從而能夠立即、準確地偵測心臟事件。
利用先進的低功率功能以及僅在必要時使用的高解析度記錄和傳輸功能來延長佩戴時間，從而實現更長的佩戴時間。
採用晶圓晶片尺寸封裝，開發更小、重量更輕的無線醫療貼片解決方案。
開始評估
資料收集
利用 AFE159RP4 - 低功耗 4 通道 ECG 類比前端，具有呼吸和起搏脈搏檢測功能，可以可靠地採集 ECG 資料，以捕獲不同類別的數據。使用 CCStudio™ Edge AI Studio 和 MSPM0-SDK 中的韌體支持，可以實現 ECG 資料的擷取。
構建並訓練模型
準備好資料集後，使用 Edge AI Studio 軟體開發工具（用於邊緣 AI）探索、訓練和評估模型。這款符合直覺、基於 GUI 的工具簡化了模型創建和部署的整個過程。
使用 PIR 運動偵測範例專案快速上手－此專案已預先載入資料集。
偏好自定義資料？該平台在 Edge AI Studio 中整合了資料擷取和託管工具。
MSPM0 ECG 性能 （取決於模型） | (MSPM0G5187) 軟體 AI 實作 | 硬體 AI 實作 | 提升 |
|---|---|---|---|
| 精度 | >95% @ 4 個分類 | >95% @ 4 個分類 | 相似 |
| 記憶體 | 96KB 快閃記憶體 22KB RAM | 72KB 快閃記憶體 19KB RAM | 記憶體節省 >30% |
分類 延遲 | 356ms | 37ms | 延遲降低 >9 倍 |
| 每個分類的能源 | 4322μJ | 360μJ | 能耗降低 >12 倍 |
部署模型
CCStudio™ Edge AI Studio 提供從頭到尾的整個工作流程，用於將訓練好的模型部署到嵌入式目標。對於尋求更深層客製化和控制的開發人員，請參閱部署指南，其中提供了一個全面的框架，用於將邊緣 AI 功能建置並整合到您自己的嵌入式應用中
- 使用 EdgeAI Studio GUI 工具在 MSPM0 微控制器上部署機器學習模型
- 使用 CLI 工具在 MSPM0 微控制器上部署機器學習模型
開始使用所需的所有硬體、軟體與資源
硬體
LP-MSPM0G5187
MSPM0G5187 LaunchPad™ 開發套件評估模組，這是 EdgeAI 推理所必需的，目前資料使用 ADC 擷取，並在特徵提取後傳遞給 AI 模型。
TIDA-010288
小型、無線、6 引線 ECG Holter 監視器參考設計，具備呼吸、心律及溫度功能
軟體與開發工具
CCStudio™ Edge AI Studio
一個完全整合的無程式碼解決方案，用於訓練和編譯 PIR 運動偵測模型，並部署到 TI 嵌入式微控制器裝置上。
CLI 工具
使用這款端對端模型開發工具，包含資料集處理、模型訓練與編譯
MSPM0-SDK
MSPM0 SDK 提供軟體，工具和文件的終極集合，可使用單一軟體套件，加速開發 MSPM0 MCU 平台的應用。