新型弹性缩放式人工肛门括约肌系统研究

为治疗肛门失禁问题,设计一种基于弹性缩放原理的新型人工肛门括约肌系统。弹性缩放式假体内壁嵌入超薄(0.208mm)生物压力传感器,感知假体开合程度,在体内控制单元的控制下,实现对肠道的精准咬合与释放;在假体闭合状态下,假体内嵌传感器实时感知肠道压力变化,根据此压力参数,系统智能识别便意并实现排便预警。括约肌系统设置体外便捷式遥控端,方便患者自主选择排便时间;系统采用经皮能量传输方式实现安全供能。开展了针对假体的力学实验,与血供安全力学分析,保证假体的缩放功能符合临床应用要求。进行3次离体实验,其结果验证了系统的控便稳定性并初步取得便意阈值。

边缘侧神经网络块粒度领域自适应技术研究

深度神经网络在边缘设备上运行时会面临模型缩放和域自适应2个挑战,现有的模型缩放技术和无监督在线域自适应技术存在缩放粒度粗、缩放空间小和在线域自适应时间长的问题。针对这2个挑战,提出一种块粒度的模型缩放和域自适应训练方法EdgeScaler,它包括离线和在线2个阶段。针对模型缩放挑战,离线阶段能够从各种DNN中检测和抽取块,并将其转换为多个派生块;在线阶段基于块和块之间的组合,提供大规模的缩放空间,解决模型缩放问题。针对域自适应挑战,设计了一种针对于块的残差Adapter,在离线阶段将其插入块中;在线阶段当新的目标域到来时,对所有的Adapter进行训练,解决块粒度缩放空间中所有选项的域自适应问题。在真实的边缘设备Jetson TX2上的测试结果表明,在提供大规模缩放选项的基础上,所提方法可以将域自适应训练时间平均减少85.14%,训练能耗平均减少84.1%。