轻量脉冲神经网络分类模型

7K参数片上可跑

专为穿戴式脑电传感器设计的轻量级脉冲神经网络,在资源受限的微控制器上实现高精度抑郁分类。

赵庆林 · Zhang, Lixin · 75860599 · Jiang, Hua · Kunbo, Cui · Zhongqing, Wu · Liu, Jingyu · Zhao, Mingqi · Tian, Fuze · 72623128

IEEE Transactions on Mobile Computing 2025

参数信息

参数量
7.18 K
浮点运算次数
67.68 M
随机存取存储器
246.88 KB
只读存储器
57.33 KB
分类准确率
89.2 %
特异性
92.4 %
敏感性
86.4 %
功耗
21.43 mW

技术优势

片上能跑

模型仅需 246.88 KB RAM 和 57.33 KB ROM,已成功在 STM32U535CET6 单核及 GAP8 多核微控制器上执行。

不用回传云端

推理可在设备本地完成,功耗仅 21.43 mW、耗时 0.63 s,避免脑电数据上传带来的隐私与延迟问题。

精度几乎不掉

在 GAP8 上部署后,分类准确率仍有 87.5%,仅比独立测试的 89.2% 降低 1.98%。

患者识别够灵敏

在独立测试中敏感性达 86.4%,能有效识别抑郁患者。

应用场景