BiomedBench

BiomedBench是由洛桑联邦理工学院嵌入式系统实验室创建的一个生物医学应用基准套件，专为低功耗可穿戴设备设计。该数据集包含8个端到端应用，涵盖了从信号采集到处理的各个阶段，旨在评估和比较不同平台的性能。数据集内容丰富，包括心电图（ECG）、表面肌电图（sEMG）等多种信号处理，适用于生物工程系统和TinyML应用设计。创建过程中，研究团队考虑了各种计算负载和活动与空闲时间的比例，确保数据集能有效代表低功耗可穿戴设备领域的挑战。BiomedBench的应用领域广泛，主要用于提高可穿戴设备的计算能力和能效，增强患者隐私保护，减少响应延迟，并支持小型电池和稀疏充电周期的无缝操作。BiomedBench is a biomedical application benchmark suite developed by the Embedded Systems Laboratory at École Polytechnique Fédérale de Lausanne (EPFL), tailored specifically for low-power wearable devices. This suite includes 8 end-to-end applications spanning all stages from signal acquisition to processing, aiming to evaluate and compare the performance across various platforms. It boasts diverse content covering multiple signal processing tasks such as electrocardiogram (ECG) and surface electromyogram (sEMG), and is suitable for the design of bioengineering systems and TinyML applications. During its development, the research team considered various computational loads as well as the ratio of active to idle time, ensuring that the benchmark suite effectively represents the challenges in the low-power wearable device domain. BiomedBench has a wide range of application scenarios, and is primarily used to improve the computing capability and energy efficiency of wearable devices, enhance patient privacy protection, reduce response latency, and support seamless operation with small batteries and infrequent charging cycles.

搜集汇总

数据集介绍

构建方式

BiomedBench数据集的构建方式包括选择八个代表不同计算负载、活动与空闲比例以及采集和内存需求的生物医学可穿戴应用。这些应用涵盖了信号预处理、特征提取和推理等典型阶段，并通过使用16位定点或32位浮点运算实现。此外，四个应用还提供了多核实现，以加速多核平台上的执行。数据集还包括对每个应用的系统特性描述，包括主要操作、占空比、输入带宽、静态数据和动态数据等指标。

特点

BiomedBench数据集的特点在于它提供了一个全面的端到端应用集，这些应用能够代表低功耗可穿戴设备领域的挑战。这些应用具有多样化的要求，包括不同的计算工作负载、活动与空闲比例以及采集和内存需求。这使得BiomedBench成为一个适合硬件评估的基准套件。此外，BiomedBench还提供了未来硬件和应用设计的基线，通过比较现有平台，揭示了关键的设计特性，这些特性影响了硬件的能量足迹，并为应用设计者提供了部署平台选择的提示。

使用方法

BiomedBench数据集的使用方法包括评估和比较现有平台在能源效率和处理能力方面的表现。通过对五个现代低功耗平台的评估，数据集展示了其作为硬件评估工具的有效性。用户可以使用FreeRTOS API进行动态内存管理，并利用每个板卡的硬件抽象层(HAL)进行SPI外设通信、睡眠模式的配置和多核执行的协调。通过测量处理周期和每个应用和板卡的能量，用户可以深入了解不同平台在不同应用类型下的相对性能和能源效率。

背景与挑战

背景概述

随着芯片制造技术的进步，低功耗可穿戴设备在生物医学领域的实时监测中得到了广泛应用。尽管在应用和硬件设计研究方面取得了进展，但该领域缺乏一种系统的方法来评估硬件性能。为了解决这一问题，BiomedBench数据集应运而生，它是一个由完整的端到端TinyML生物医学应用组成的基准测试套件，旨在使用可穿戴设备实时监测患者。每个应用在典型的信号采集和处理阶段都提出了不同的要求，包括不同的计算工作量和活动与空闲时间之间的关系。此外，对五个最先进的低功耗平台在能源效率方面的评估表明，现代平台无法有效针对所有类型的生物医学应用。BiomedBench将作为开源套件发布，以促进生物工程系统和TinyML应用领域未来的改进。

当前挑战

BiomedBench数据集面临的主要挑战包括：1)解决领域问题的挑战：尽管在应用和硬件设计研究方面取得了进展，但该领域缺乏一种系统的方法来评估硬件性能；2)构建过程中的挑战：为了构建一个能够有效针对所有类型的生物医学应用的基准测试套件，需要克服在硬件设计、信号采集和处理阶段遇到的挑战。

常用场景

经典使用场景

BiomedBench数据集主要用于评估低功耗可穿戴设备的性能，特别是在生物医学领域的实时监控应用。该数据集包含了八个完整的端到端应用程序，这些应用程序在处理、空闲和信号采集阶段具有不同的要求，能够有效地代表低功耗可穿戴领域的挑战。BiomedBench为硬件评估提供了一个全面的基准测试套件，可以帮助研究人员和工程师更好地理解不同硬件平台的性能特点和能耗情况。

衍生相关工作

BiomedBench数据集的衍生相关工作包括对现有硬件平台的评估和优化，以及基于该数据集开发的新一代低功耗可穿戴设备。通过使用BiomedBench，研究人员可以发现现有平台在设计上的不足，并针对性地进行优化。此外，BiomedBench还可以作为开发新一代低功耗可穿戴设备的参考，帮助工程师设计出性能更高、能耗更低的设备。

数据集最近研究

最新研究方向

BiomedBench 数据集专注于低功耗可穿戴设备的生物医学应用，旨在为硬件评估提供一个系统的方法。该数据集提供了端到端的TinyML生物医学应用，用于实时监测患者的健康状况。每个应用在信号采集和处理阶段都有不同的要求，包括不同的计算工作量和活动与非活动时间之间的关系。BiomedBench 评估了五种最先进的低功耗平台在能源效率方面的表现，结果表明现代平台不能有效针对所有类型的生物医学应用。该数据集的开放源代码将促进生物工程系统和TinyML应用领域的未来发展。

相关研究论文

• BiomedBench: A benchmark suite of TinyML biomedical applications for low-power wearables

  洛桑联邦理工学院嵌入式系统实验室 · 2024年