Tiempo de ejecución adaptativo de nodo IoMT en plataforma de procesador multinúcleo
Autores: Scrugli, Matteo Antonio; Meloni, Paolo; Sau, Carlo; Raffo, Luigi
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Tiempo de ejecución adaptativo de nodo IoMT en plataforma de procesador multinúcleo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Internet de las cosas médicas
IoMT
Algoritmos cognitivos
Aprendizaje profundo
Optimización de energía
Nodos sensoriales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
El paradigma de Internet de las Cosas Médicas (IoMT) se está volviendo común en múltiples ensayos clínicos y procedimientos de atención médica. Gracias a tecnologías innovadoras, redes de comunicación de última generación y dispositivos portátiles de vanguardia, IoTM abre nuevos escenarios para la recopilación de datos y el monitoreo continuo de los pacientes. Dos aspectos muy importantes deben considerarse para aprovechar al máximo este paradigma. En cuanto al primer aspecto, trasladar la tarea de procesamiento desde la nube hasta el borde conlleva varias ventajas, como capacidad de respuesta, portabilidad, escalabilidad y confiabilidad del nodo sensor. En cuanto al segundo aspecto, para aumentar la precisión del sistema, es necesario integrar algoritmos cognitivos de vanguardia basados en inteligencia artificial y aprendizaje profundo. Los nodos sensoriales a menudo necesitan ser alimentados por batería y deben permanecer activos durante mucho tiempo sin una fuente de alimentación diferente. Por lo tanto, uno de los desafíos a abordar durante el diseño y desarrollo de dispositivos IoMT se refiere a la optimización energética. Nuestro trabajo propone una implementación de análisis de datos cognitivos basada en técnicas de aprendizaje profundo en una plataforma informática con recursos limitados. Para manejar la eficiencia energética, introdujimos un componente llamado Gestor de Tiempo de Ejecución Adaptativo (ADAM). Este componente se encarga de reconfigurar dinámicamente el hardware y el software del dispositivo durante la ejecución, para adaptarlo mejor a la carga de trabajo y al modo de operación requerido. Para probar la alta carga computacional en un sistema multinúcleo, se ha adoptado la placa prototipo Orlando de STMicroelectronics, considerando casos de análisis cognitivo de trazas de electrocardiograma (ECG) de un solo canal y de seis canales simultáneos. Los resultados experimentales muestran que al gestionar la configuración del nodo sensorial en tiempo de ejecución, se pueden lograr ahorros energéticos de al menos el 15%.
Descripción
El paradigma de Internet de las Cosas Médicas (IoMT) se está volviendo común en múltiples ensayos clínicos y procedimientos de atención médica. Gracias a tecnologías innovadoras, redes de comunicación de última generación y dispositivos portátiles de vanguardia, IoTM abre nuevos escenarios para la recopilación de datos y el monitoreo continuo de los pacientes. Dos aspectos muy importantes deben considerarse para aprovechar al máximo este paradigma. En cuanto al primer aspecto, trasladar la tarea de procesamiento desde la nube hasta el borde conlleva varias ventajas, como capacidad de respuesta, portabilidad, escalabilidad y confiabilidad del nodo sensor. En cuanto al segundo aspecto, para aumentar la precisión del sistema, es necesario integrar algoritmos cognitivos de vanguardia basados en inteligencia artificial y aprendizaje profundo. Los nodos sensoriales a menudo necesitan ser alimentados por batería y deben permanecer activos durante mucho tiempo sin una fuente de alimentación diferente. Por lo tanto, uno de los desafíos a abordar durante el diseño y desarrollo de dispositivos IoMT se refiere a la optimización energética. Nuestro trabajo propone una implementación de análisis de datos cognitivos basada en técnicas de aprendizaje profundo en una plataforma informática con recursos limitados. Para manejar la eficiencia energética, introdujimos un componente llamado Gestor de Tiempo de Ejecución Adaptativo (ADAM). Este componente se encarga de reconfigurar dinámicamente el hardware y el software del dispositivo durante la ejecución, para adaptarlo mejor a la carga de trabajo y al modo de operación requerido. Para probar la alta carga computacional en un sistema multinúcleo, se ha adoptado la placa prototipo Orlando de STMicroelectronics, considerando casos de análisis cognitivo de trazas de electrocardiograma (ECG) de un solo canal y de seis canales simultáneos. Los resultados experimentales muestran que al gestionar la configuración del nodo sensorial en tiempo de ejecución, se pueden lograr ahorros energéticos de al menos el 15%.