负尖峰脉冲神经网络

低延迟心电图分类

在强时序变化的心电数据上提升表征能力，同时保持事件驱动特性，适合植入便携式心电监测设备。

Geng, Shiyong · Sun, Changhao · 但永平

Pattern Recognition Letters 2025

参数信息

分类准确率

0.964

技术优势

量化误差更小

引入负尖峰来提升脉冲神经元的表征能力，同时不破坏事件驱动特性，因此能更好地捕捉强时序变化心电信号的细节。

部署成本更低

脉冲神经网络本身功耗低，且该模型无需大量标注数据和大量计算资源，因而更易集成到便携式设备中。

应用场景

• 可穿戴心电监测：低功耗且无需大规模标注数据，适合在便携式设备上实时处理心电信号。
• 神经形态计算：采用负尖峰脉冲神经网络，保持事件驱动特性，为神经形态硬件提供模型。
• 生理信号处理：专为强时序变化心电信号设计，提升时空信号的表征能力。
• 脑机接口：脉冲神经网络与大脑信号处理方式相似，可用于脑机接口中的信号分类。