Ин таҳқиқот ҳадаф дорад модели зеҳни сунъиро ба қадре хурд созад, ки битавонад таппишҳои ғайримуқаррарии дилро дар сигналҳои электрокардиография (ECG) дар дастгоҳҳои дорои захираҳои маҳдуди edge ё синфи TinyML бидуни фиристодани пайвастаи додаҳо ба сервери калон ошкор кунад. Барои ин муҳаққиқон autoencoder-и якченакаи convolutional таҳия карданд, ки танҳо бо таппишҳои муқаррарии ECG омӯзонида мешавад ва то чӣ андоза хуб аз нав сохтани таппиши муқаррарии дилро ҳамчун anomaly score истифода карданд. Вақте морфологияҳои ECG, ки аз ҳолати муқаррарӣ фарқ мекунанд, reconstruction error-и бештар тавлид мекунанд, агар хато аз ҳадди пешакӣ муайяншуда зиёд бошад, намуна ҳамчун дорои аномалия тасниф мешавад.

Маҷмуаи додаҳои истифодашудаи ECG Heartbeat Categorization аз PTB Diagnostic ECG Database гирифта шудааст ва дар манбаъ гуфта мешавад, ки дар маҷмӯъ 14.552 таппиши дил мавҷуд аст: 4046 ECG beat-и normal ва 10.506 ECG beat-и abnormal. Ҳар як таппиши дил бо 187 намунаи вақтӣ, ки дар атрофи қуллаи R ҳамоҳанг шудаанд, ифода мешавад. CNN autoencoder танҳо бо намунаҳои normal ба шакли one-class омӯзонида шудааст; таппишҳои abnormal дар вақти омӯзиш истифода нашуда, барои санҷиш нигоҳ дошта шудаанд.

Модел танҳо 1393 параметр дорад. Мувофиқи ҳисоби манбаъ, нигоҳдории параметрҳо дар FP32 тақрибан 5,44 KB ва quantize кардани онҳо ба INT8 тақрибан 1,36 KB талаб мекунад. Ҳамин тавр, дар хотираи нигоҳдории параметрҳо тақрибан %75 коҳиш ба даст меояд. Аммо ин арзиш хотираи умумии барномаи TinyML нест; activation-ҳо, buffer-ҳои корӣ, коди нармафзор ва runtime overhead ба ин ҳисоб дохил нашудаанд.

Барои модели FP32 дар таҳқиқот %83,12 accuracy, %85,88 precision, %91,47 recall ва %88,67 F1-score гузориш шудааст. Дар модели INT8 пас аз аз нав танзим кардани threshold, accuracy %82,19, precision %83,66, recall %93,61 ва F1-score %88,36 гузориш шудааст. Аз ин рӯ, дар баробари ба чоряки ҳаҷми аввал кам шудани хотираи параметрҳо, коҳиши гузоришшудаи F1-score танҳо 0,31 банди фоизиро ташкил медиҳад.

Дар confusion matrix-ҳои манбаъ мушкили муҳими тамғагузорӣ вуҷуд дорад. Гарчанде маҷмуаи додаҳо дар матн ҳамчун 4046 normal ва 10.506 abnormal beat тавсиф мешавад, дар confusion matrix-ҳои FP32 ва INT8 сатре, ки 4046 намуна дорад, “Abnormal” ва сатре, ки 10.506 намуна дорад, “Normal” тамға гирифтааст. Вақте номҳои синфҳо мувофиқи тавсифи маҷмуаи додаҳо баръакс тафсир мешаванд, қисми зиёди метрикаҳои гузоришшуда аз матритсаҳо дубора ҳосил карда мешаванд. Барои FP32 precision бошад, аз матритса тақрибан %86,03 ба даст меояд, дар ҳоле ки манбаъ %85,88 гузориш мекунад.

Муҳимтарин маҳдудияти таҳқиқот аз нигоҳи TinyML он аст, ки deployment-и воқеии микроконтроллер анҷом дода нашудааст. INT8 quantization, танзими threshold ва арзёбии inference дар муҳити MATLAB/CPU ба шакли нармафзорӣ иҷро шудааст. Аз ин рӯ, таҳқиқот барои хотираи пасти параметрҳои модел ва performance-и anomaly-detection, ки баъд аз quantization нигоҳ дошта мешавад, далел пешниҳод мекунад; аммо latency-и воқеӣ, масрафи энергия ё performance-и end-to-end-и низоми тандурустиро дар MCU-и муайян нишон намедиҳад.

Шарҳ аз нигоҳи Туркия: Ин таҳқиқот дар сабтҳои клиникии ECG ё популятсияи беморони Туркия анҷом дода нашудааст. Усул метавонад аз нигоҳи тарҳрезии дастгоҳҳои назорати сайёри саломатӣ ва нигоҳубини хонагӣ дар Туркия низ аз ҷиҳати техникӣ арзёбӣ шавад; аммо пеш аз истифодаи воқеӣ санҷиши мустақили клиникӣ бо гурӯҳҳои маҳаллии беморон, дастгоҳҳои гуногуни ECG, шароити садо ва патологияҳои гуногуни дил лозим аст. Илова бар ин, низоми таҳқиқот танҳо фарқи “normal / abnormal”-ро муайян мекунад; навъи аритмияро ташхис намекунад. Аз ин рӯ, натиҷаҳо набояд ҳамчун performance-и дастгоҳи ташхиси клиникӣ тафсир шаванд.

Мушкилоти асосии таҳқиқот чист?

Назорати пайвастаи ECG метавонад барои барвақт пай бурдан ба дуршавӣ аз ритми муқаррарии дил муҳим бошад. Аммо фиристодани пайвастаи додаҳои ECG ба сервери марказӣ метавонад аз ҷиҳати бори иртиботӣ, таъхир, масрафи энергия ва махфият нуқсон эҷод кунад. Аз тарафи дигар, иҷро кардани моделҳои бузурги CNN, LSTM ё Transformer дар микроконтроллерҳои камқувват низ бинобар маҳдудиятҳои хотира ва ҳисобкунӣ душвор аст.

Равиши таҳқиқот ин ду мушкилотро якҷоя баррасӣ мекунад: сохтани autoencoder то ҳадди имкон хурд ва сипас кам кардани хотираи параметрҳо тавассути паст кардани вазнҳои модел аз 32 bit floating point ба намоиши 8 bit integer.

Низом чӣ гуна кор мекунад?

Маҷмуаи додаҳо чӣ гуна омода шудааст?

Манбаъ сигналҳои ECG-ро аз маҷмуаи додаҳои Kaggle ECG Heartbeat Categorization мегирад. Гуфта мешавад, ки ин маҷмуаи додаҳо аз PTB Diagnostic ECG Database гирифта шудааст.

Ҳар як намуна як heartbeat cycle-и алоҳида аст ва:

• дар атрофи қуллаи R марказонида шудааст,
• 187 намунаи time-domain дорад,
• ҳамчун normal ё abnormal ҷудо шудааст.

Маълумоти умумӣ дар манбаъ:

Autoencoder танҳо бо ECG beat-ҳои normal омӯзонида мешавад. Аз ин рӯ, модел кӯшиш намекунад синфҳои муайяни аритмияро омӯзад, балки representation-е эҷод мекунад, ки ба саволи “таппиши муқаррарии дил чӣ гуна менамояд?” ҷавоб медиҳад.

Чаро ҳар ECG beat алоҳида нормализатсия мешавад?

Манбаъ барои кам кардани таъсири фарқиятҳои амплитуда ҳар як намунаро бо миёна ва инҳирофи стандартии худ нормализатсия мекунад:

\[ \tilde{x}_i= \frac{x_i-\mu_x}{\sigma_x} \]

Дар натиҷаи ин амал ҳар beat тақрибан ба миқёси миёнаи сифр ва дисперсияи воҳидӣ оварда мешавад.

Дар ин ҷо ҳадди муҳими тафсир чунин аст: per-sample normalization метавонад баррасии морфологияи ECG-ро барои модел осонтар кунад, аммо қисми маълумоти амплитудаи мутлақро низ нормализатсия мекунад. Таҳқиқот таъсири ин интихоби preprocessing-ро ба сенарияҳои гуногуни клиникӣ алоҳида муқоиса намекунад.

Сохтори CNN Autoencoder то чӣ андоза хурд аст?

Модел вуруди ECG-и андозаи 187×1×1-ро бо сохтори encoder–decoder коркард мекунад.

Мувофиқи Расми 2 ва бахши усули манбаъ:

• дар тарафи encoder convolution-и 3×1 бо 8 филтр,
• активатсияи ReLU,
• қабати bottleneck/dense бо 16 воҳид,
• дар тарафи decoder dense + reshape,
• 3×1 transposed convolution

истифода мешавад.

Шумораи умумии параметрҳои омӯзишшаванда танҳо:

1393

дода шудааст.

Модел чӣ гуна омӯзонида шудааст?

Манбаъ мегӯяд, ки training дар CPU-и муқаррарӣ тақрибан 3–4 дақиқа давом кардааст. Аммо азбаски модели протсессор ва дигар шароити benchmark дода нашудаанд, ин вақтро ба сахтафзори дигар умумӣ кардан мумкин нест.

Reconstruction error чӣ гуна ҳисоб мешавад?

Beat-е, ки аз ҷониби autoencoder reconstructed шудааст:

\[ \hat{x}_i=f_{\theta}(x_i) \]

таъриф мешавад.

Арзиши reconstruction error барои ҳар beat:

\[ e_i= \frac{1}{H} \sum_{j=1}^{H} (x_{i,j}-\hat{x}_{i,j})^2 \]

ҳисоб карда мешавад. Дар ин ҷо \(H=187\) аст.

Азбаски модел танҳо шаклҳои normal-и ECG-ро дидааст, фарзияи асосии таҳқиқот ин аст, ки beat-ҳои normal-ро бо хатои паст ва beat-ҳои abnormal-и дорои морфологияи дигарро бо reconstruction error-и бештар аз нав месозад.

Қарори anomaly чӣ гуна дода мешавад?

Манбаъ барои модели FP32 арзиши собити threshold-ро:

\[ \tau=3.55993\times10^{-4} \]

медиҳад.

Тасниф:

\[ Label_i= \begin{cases} 1,& e_i>\tau \quad \text{anormal}\\ 0,& e_i\leq\tau \quad \text{normal} \end{cases} \]

чунин аст.

Арзиши threshold бо интихоб кардани номзаде муайян шудааст, ки F1-score-ро ба ҳадди аксар мерасонад. Ин равиш худи anomaly score-ро тағйир намедиҳад; танҳо сарҳади қарори normal/anormal-ро муайян мекунад.

Гузариш аз FP32 ба INT8 чӣ гуна анҷом дода мешавад?

Амали quantization пас аз анҷоми омӯзиш татбиқ мешавад. Манбаъ бо истифода аз вазни мутлақи ҳадди аксар дар ҳар қабат scale factor-ро ҳисоб мекунад:

\[ s= \frac{\max(|W|)}{127} \]

Сипас вазн:

\[ \omega_q= round \left( \frac{127}{\max(|\omega|)} \omega \right) \]

ба намоиши INT8 байни −127 ва +127 табдил дода мешавад.

Дар манбаъ равшан дида мешавад, ки пас аз quantization тақсимоти reconstruction error то андозае тағйир ёфтааст. Аз ин рӯ, ба ҷойи истифодаи бетағйири threshold-и FP32 дар модели INT8, threshold-и алоҳида оптимизатсия шудааст:

\[ \tau_q= \arg\max_{\tau}F1(\tau) \]

Дар унвони Расми 6 “best-th”-и интихобшуда барои INT8 тақрибан 0,0005052 нишон дода шудааст.

Чаро threshold аз нав танзим мешавад?

Азбаски INT8 quantization вазнҳоро бо bit-ҳои камтар ифода мекунад, метавонад дар сигнали reconstructed тағйироти хурди ададӣ ба вуҷуд оварад. Ин тағйирот метавонад тақсимоти reconstruction-error-ро, ки anomaly detection истифода мекунад, ҷойиваз кунад.

Манбаъ мегӯяд, ки агар threshold-и FP32 бевосита ба INT8 татбиқ шавад, шумораи false-positive зиёд мешавад; оптимизатсияи threshold-и махсуси INT8 ин таъсирро кам мекунад.

Ин натиҷа нишон медиҳад, ки танҳо хурд кардани вазнҳои модел кофӣ нест; пас аз quantization аз нав калибр кардани anomaly threshold муҳим аст.

Хотираи параметрҳо воқеан чӣ қадар кам мешавад?

Ҳисоби memory дар манбаъ:

\[ Memory=N_p\times b \]

чунин аст.

1393 параметр × 4 byte тақрибан 5,44 KiB; 1393 параметр × 1 byte тақрибан 1,36 KiB мешавад. Аз ин рӯ, хотираи параметрҳо дақиқан ба чоряк кам мешавад.

Фарқи муҳими техникӣ: Ин ҳисоб танҳо вазнҳои моделро дар бар мегирад. Дар барномаи воқеии TinyML activation tensor-ҳо, input/output buffer-ҳо, арзишҳои quantization scale, firmware, inference engine ва stack/heap низ хотира масраф мекунанд. Таҳқиқот маҷмӯи онҳоро чен намекунад.

Натиҷаҳои FP32 чӣ ҳастанд?

Дар Расми 7 арзиши AUC-и каҷи FP32 ROC ба таври возеҳ 0,8327 нишон дода шудааст.

Натиҷаҳои INT8 чӣ ҳастанд?

Дар модели INT8 accuracy ва precision то андозае кам шуда, recall зиёд шудааст. Аз ин рӯ, барои арзёбии таъсири quantization танҳо ба accuracy нигоҳ кардан кофӣ нест.

Дар confusion matrix-ҳо чӣ мушкил аст?

Тавсифи маҷмуаи додаҳои манбаъ тақсимоти зерини синфҳоро медиҳад:

4046 normal + 10.506 abnormal = 14.552 beat.

Аммо матритсае, ки дар Расми 4-и FP32 дида мешавад, чунин аст:

Ҷамъи сатри боло:

\[ 2486+1560=4046 \]

ҷамъи сатри поён:

\[ 896+9610=10506 \]

мешавад. Инҳо дар маҷмуаи додаҳо мутаносибан шумораи normal ва abnormal мебошанд. Аз ин рӯ, номҳои синфҳо дар confusion matrix мувофиқи тавсифи маҷмуаи додаҳо баръакс ба назар мерасанд.

Ҳамин намуна дар Расми 6-и INT8 низ такрор мешавад:

Дар ин ҷо низ:

\[ 2125+1921=4046 \]

ва:

\[ 671+9835=10506 \]

мешавад.

Аз ин рӯ, мувофиқтарин тафсир ин аст, ки номҳои Normal/Abnormal дар меҳварҳои confusion matrix ба ҷойи якдигар навишта шудаанд.

Оё метрикаҳоро аз матритсаҳо дубора ҳосил кардан мумкин аст?

Вақте matrix-и FP32 мувофиқи шумораи воқеии синфҳо дар маҷмуаи додаҳо аз нав тафсир мешавад, барои abnormal detection:

\[ Precision= \frac{9610}{9610+1560} \approx86,03\% \]

\[ Recall= \frac{9610}{9610+896} \approx91,47\% \]

\[ F1\approx88,67\% \]

\[ Accuracy= \frac{2486+9610}{14552} \approx83,12\% \]

ба даст меояд.

Accuracy, recall ва F1 бо манбаъ мувофиқанд; аммо манбаъ precision-ро %85,88 медиҳад. Аз матритса тақрибан %86,03 ба даст меояд. Фарқ тақрибан 0,15 банди фоизӣ аст.

Дар INT8 confusion matrix ҳамин тафсири дубора:

\[ Precision\approx83,66\% \]

\[ Recall\approx93,61\% \]

\[ F1\approx88,36\% \]

\[ Accuracy\approx82,19\% \]

натиҷаҳоро медиҳад ва онҳо бо арзишҳои гузоришшудаи манбаъ мувофиқанд.

Оё морфологияи QRS воқеан нигоҳ дошта мешавад?

Манбаъ тафсир мекунад, ки шаклҳои reconstructed ECG-и FP32 ва INT8 ва тақсимоти reconstruction-error ба ҳам наздиканд ва махсусан сохтори асосии комплекси QRS нигоҳ дошта шудааст. Гуфта мешавад, ки пас аз quantization баъзе минтақаҳои энергияи баланд каме мулоимтар менамоянд.

Аммо дар ин ҷо хулосаи қавитаре ба мисли “ҳамаи хусусиятҳои клиникӣ муҳими ECG бе талаф нигоҳ дошта шудаанд” баровардан мумкин нест. Таҳқиқот арзёбии морфологии кӯр аз ҷониби кардиологҳо, санҷиши clinical equivalence ё validatsiya-и диагностикӣ дар чанд марказро пешниҳод намекунад.

Оё дар сахтафзори воқеии TinyML иҷро карда шуд?

Не. Таҳқиқот инро ба таври возеҳ маҳдуд мекунад. Quantization pipeline бо равиши dlquantizer-и MATLAB R2025a ва дар CPU иҷро шудааст.

Манбаъ шарҳ медиҳад, ки марҳилаҳои зерин дар нармафзор иҷро шудаанд:

• FP32 inference,
• INT8 approximation,
• threshold optimization,
• metric evaluation.

Микроконтроллер ё accelerator hardware истифода нашудааст.

Аз ин рӯ, “TinyML-enabled edge device” дар ин таҳқиқот дастгоҳи бевосита санҷидашуда нест, балки синфи ҳадафии deployment-и модел мебошад.

Оё INT8 воқеан integer-only inference аст?

Манбаъ муҳокима мекунад, ки INT8 барои integer-only inference дар оянда муносиб аст. Аммо дар pipeline-и таҷрибавӣ гуфта мешавад, ки арзишҳои quantized ҳангоми зарурат ба FP32 approximation dequantize шудаанд.

Аз ин рӯ, чизе, ки таҳқиқот чен кардааст, performance-и inference pipeline-е нест, ки дар MCU-и воқеӣ пурра integer arithmetic истифода мекунад. Integer-only inference ҳамчун бартарии эҳтимолии deployment-и меъморӣ пешниҳод шудааст.

Оё аз дигар моделҳои ECG беҳтар аст?

Манбаъ муқоисаи зеринро бо таҳқиқотҳои гуногуни адабиёт пешниҳод мекунад:

Манбаъ дуруст қайд мекунад, ки ин ҷадвал benchmark-и мустақим нест. Dataset, вазифа, preprocessing ва метрикаҳои арзёбӣ фарқ мекунанд. Аз ҷумла, 86,7% “Exact Match Ratio” ва binary accuracy-и муқаррарӣ як метрика нестанд.

Бартарии равиши one-class чист?

Аномалияҳои дил метавонанд хеле гуногун бошанд ва тамғагузории ҳар як морфологияи эҳтимолии abnormal душвор аст. Модели one-class танҳо ритми normal-ро меомӯзад ва дуршавӣ аз normal-ро ҳамчун anomaly арзёбӣ мекунад.

Бартарии ин он аст, ки pattern-ҳои abnormal-и нав ё камёб метавонанд аз ҷиҳати назариявӣ аз ҷониби модел ҳамчун “normal нест” тамға гузошта шаванд.

Камбудӣ бошад, он аст, ки намегӯяд abnormal beat ба кадом синфи аритмия тааллуқ дорад. Модели таҳқиқот:

“Оё ин beat аз normal фарқ мекунад?”

ба ин савол ҷавоб додан мехоҳад; аммо:

“Ин кадом аритмия аст?”

ба ин савол ҷавоб намедиҳад.

Чаро false negative аз ҷиҳати тиббӣ муҳим аст?

Муҳаққиқон мегӯянд, ки дар низоми anomaly screening аз даст додани таппиши abnormal ҳамчун normal метавонад нисбат ба тавлиди false positive муҳимтар бошад. Аз ин рӯ, recall/sensitivity муҳим аст.

Дар модели INT8 зиёд шудани recall-и манбаъ аз %91,47 ба %93,61 аз ин ҷиҳат мусбат менамояд; аммо ин арзишҳо танҳо ба маҷмуаи додаҳои санҷишии аз PTB гирифташуда тааллуқ доранд ва онҳоро ҳамчун clinical sensitivity умумӣ кардан мумкин нест.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• CNN autoencoder-и фишурдаи 1393 параметрӣ барои ECG reconstruction-based anomaly detection татбиқ шудааст.
• Модел танҳо бо ECG beat-ҳои normal ба шакли one-class омӯзонида шудааст.
• Барои модели FP32 манбаъ %83,12 accuracy ва %88,67 F1-score гузориш мекунад.
• Пас аз INT8 quantization хотираи нигоҳдории параметрҳо аз тақрибан 5,44 KB ба 1,36 KB кам мешавад.
• Дар модели INT8 F1-score дар %88,36 нигоҳ дошта шудааст.
• Аз сабаби тағйир дар тақсимоти reconstruction-error баъд аз quantization, аз нав оптимизатсия кардани threshold performance-ро беҳтар кардааст.
• Меъмории таҳқиқот аз ҷиҳати андозаи параметрҳо барои барномаҳои синфи TinyML хеле хурд аст.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад ё насанҷидааст

• Модел дар микроконтроллери воқеӣ санҷида нашудааст.
• Real MCU inference latency чен нашудааст.
• Масрафи қувва ё энергияи дастгоҳи воқеӣ чен нашудааст.
• Арзиши 1,36 KB эҳтиёҷи умумии RAM ё Flash-и низом нест.
• Модел навъҳои муайяни аритмияро ташхис намекунад.
• Validatsiya-и клиникии prospektiv дар назди бемори воқеӣ анҷом дода нашудааст.
• Нишон дода нашудааст, ки модел дар демография, беморхона, дастгоҳи ECG ва шароити sampling-и гуногун ҳамон performance-ро медиҳад.
• Арзёбии INT8 benchmark-и воқеии integer-only MCU inference нест.
• Азбаски Ҷадвали 1-и адабиёт аз dataset ва вазифаҳои гуногун иборат аст, бартарии мустақими state-of-the-art-ро исбот намекунад.

Усул ва натиҷаҳои таҳқиқот

Додаҳо ва preprocessing

Параметрҳои CNN-AE

Нотацияи batch/MSE дар дохили манбаъ

Бахши 2.4 арзиши batch size-ро барои model training 256 медиҳад. Аммо дарҳол зери Муодилаи (4):

“M denotes the number of training samples = 128”

ибора ҷой дорад.

Манбаъ шарҳ намедиҳад, ки ин 128 намуна mini-batch-и дигар, зермаҷмуаи ҳисобкунии loss ё боқимондаи таҳрирӣ аст. Аз ин рӯ, Verianla фарқи байни 128 ва 256-ро хомӯшона ислоҳ намекунад.

Муқоисаи FP32–INT8

Натиҷаҳои асосии назорати сифат

Ёддошт дар бораи рақамгузории расмҳо

Манбаъ дар Бахши 3.1 барои ROC curve ибораи “Figure 6”-ро истифода мекунад; аммо Расми 6 INT8 confusion matrix аст ва FP32 ROC curve дар воқеъ Расми 7 мебошад. Дар Бахши 3.2 бошад, барои INT8 ROC ба Расми 7 ишора мешавад; муқоисаи FP32–INT8 ROC дар Расми 8 ҷойгир аст. Гарчанде ин омехтагии таҳририи figure-reference натиҷаи илмиро тағйир намедиҳад, он дар манбаъ вуҷуд дорад.

Муҳимтарин натиҷаи муҳандисӣ

Қувваи асосии таҳқиқот ба даст овардани баландтарин anomaly-detection accuracy нест. Дар манбаъ моделҳои дигаре низ ҳастанд, ки accuracy-и баландтар гузориш мекунанд. Натиҷаи муҳандисӣ дар ин ҷо он аст, ки хотираи параметрҳои autoencoder-и танҳо 1393 параметрӣ бо INT8 то сатҳи тақрибан 1,36 KB кам карда шуда, F1-score дар таҷрибаи манбаъ тақрибан дар сатҳи %88 нигоҳ дошта шудааст.

Аз ин рӯ, таҳқиқот бояд на ҳамчун “беҳтарин модели ташхиси ECG”, балки ҳамчун мувозинаи муҳандисӣ байни андозаи модел–performance-и ошкоркунии аномалия–қобилияти татбиқ дар edge арзёбӣ шавад.

Ёддошт оид ба манбаъ ва усул

Номи пурраи аслии таҳқиқот: Memory-Efficient CNN Autoencoder for Real-Time ECG Anomaly Detection on TinyML-Enabled Edge Devices

Муаллифон ва тартиби онҳо: Krishnaprasath Suryanarayanan; Ramanamurthy Gajula.

Муаллифи масъул: Ramanamurthy Gajula.

Саҳми баробар/муаллифи якуми баробар: Дар манбаъ зикр нашудааст.

Муассиса: Department of Electronics and Communication Engineering, Alliance School of Applied Engineering, Alliance University, Bangalore 562106, India.

Маҷалла: Future Internet

Ношир: MDPI, Basel, Switzerland

Ҷилд / шумора / мақола: 18 / 6 / 286

Санаи дарёфт: 11 Апрел 2026

Санаи бознигарӣ: 14 Май 2026

Санаи қабул: 15 Май 2026

Санаи нашр: 27 Май 2026

DOI: 10.3390/fi18060286

Пайванди расмии нашр:https://doi.org/10.3390/fi18060286

Навъи манбаъ: Мақолаи таҳқиқотӣ; ECG anomaly detection, one-class CNN autoencoder ва арзёбии INT8 quantization дар асоси нармафзор.

Вазъи баррасии ҳамтоён: Таҳқиқоте, ки дар маҷаллаи аз баррасии ҳамтоён гузашта нашр шудааст.

Литсензия: Creative Commons Attribution (CC BY).

Маблағгузорӣ: Таҳқиқот маблағгузории беруна нагирифтааст.

Дастрасии додаҳо: Додаҳои ECG-и истифодашуда аз ECG Heartbeat Categorization Dataset-и дастраси умум гирифта шудаанд; манбаъ мегӯяд, ки ин маҷмуаи додаҳо аз PTB Diagnostic ECG Database гирифта шудааст. Дар таҳқиқот маҷмуаи додаҳои нав сохта нашудааст.

Саҳмҳои муаллифон: Мувофиқи баёнияи манбаъ, консептуализатсия Krishnaprasath Suryanarayanan ва Ramanamurthy Gajula; методология, нармафзор, санҷиш, таҳлили формалӣ, таҳқиқот, захираҳо ва тарҳи аслӣ Krishnaprasath Suryanarayanan; визуализатсия ҳар ду муаллиф; назорат Ramanamurthy Gajula анҷом додааст.

Бархӯрди манфиатҳо: Муаллифон изҳор мекунанд, ки бархӯрди манфиатҳо вуҷуд надорад.

Санҷиши сахтафзор: Анҷом дода нашудааст. Манбаъ дар Бахши 2.8 ба таври возеҳ мегӯяд, ки FP32 inference, INT8 approximation, threshold optimization ва metric evaluation пурра дар муҳити CPU-и асосёфта ба MATLAB ба шакли нармафзорӣ иҷро шудаанд ва microcontroller/accelerator hardware лозим набуд. Аз ин рӯ, таҳқиқот benchmark-и дастгоҳи воқеии TinyML нест.

Арзёбии хотира: Арзишҳои 5,44 KB ва 1,36 KB ҳисоби назариявии parameter-storage мебошанд, ки ба нигоҳдории 1393 параметри модел мутаносибан бо 4 byte ва 1 byte асос ёфтаанд. Онҳо талаботи умумии Flash/RAM-и дастгоҳи воқеиро ифода намекунанд.

Номувофиқии дохилии манбаъ 1 — тамғаҳои синфи confusion matrix: Дар тавсифи маҷмуаи додаҳо навишта шудааст, ки 4046 ECG beat-и normal ва 10.506 ECG beat-и abnormal вуҷуд дорад. Дар confusion matrix-ҳои FP32 ва INT8 сатри дорои 4046 намуна “Abnormal” ва сатри дорои 10.506 намуна “Normal” тамға гирифтааст. Баръакс тамға гирифтани ҳар ду расм ба ҳамон шакл мушкили низомманди class-label-ро эҳтимолӣ мекунад.

Номувофиқии дохилии манбаъ 2 — FP32 precision: Вақте синфҳои confusion matrix мувофиқи шумораи маҷмуаи додаҳо ислоҳ ва аз нав ҳисоб карда мешаванд, FP32 precision тақрибан %86,03 аст. Манбаъ %85,88 гузориш мекунад. Accuracy, recall ва F1 бо матритса мувофиқанд.

Номувофиқии дохилии манбаъ 3 — шумораи намунаҳои batch/MSE: Бахши 2.4 batch size-и training-ро 256 медиҳад, дар ҳоле ки зери Муодилаи (4) M ҳамчун шумораи training sample 128 навишта шудааст. Фарқ дар манбаъ шарҳ дода нашудааст.

Номувофиқии дохилии манбаъ 4 — истинодҳои расм: Бахши 3.1 барои FP32 ROC curve ба Расми 6 ва Бахши 3.2 барои INT8 ROC ба Расми 7 ишора мекунад. Дар воқеъ Расми 6 INT8 confusion matrix, Расми 7 FP32 ROC ва Расми 8 муқоисаи FP32–INT8 ROC мебошад.

Ҳадди performance: Арзёбиҳои “real-time” ва “low-power”-и манбаъ ба хурдии модел ва қобилияти эҳтимолии TinyML deployment асос ёфтаанд. Таҳқиқот measured latency, масрафи қувваи watt/mW ё ченкунии energy/inference-ро дар дастгоҳи воқеӣ пешниҳод намекунад.

Ҳадди клиникӣ: Модел binary anomaly screening анҷом медиҳад ва навъи муайяни arrhythmia-ро тасниф намекунад. Натиҷаҳои истифодашуда арзёбии ретроспективии маҷмуаи додаҳо/модел мебошанд; таҳқиқоти prospektiv-и performance-и ташхисӣ дар назди бемори воқеӣ нестанд.

Усули илмӣ, натиҷаҳои ададӣ, назорати сифати confusion matrix, сохтори модел, механизми quantization ва маҳдудиятҳо дар ин шарҳи Verianla ба таҳқиқоти баррасишуда асос ёфтаанд. Санҷиши беруна танҳо барои тасдиқи ҳувияти библиографии нашр истифода шудааст; ба манбаъ аз берун арзиши нави performance-и клиникӣ ё натиҷаи ташхиси ECG илова нашудааст.