TEDA-Multi em FPGA para Processamento Paralelo de Sinais Biomédicos Multissensores

• Lucileide M. D. da Silva UFRN / IFRN
• Sérgio N. Silva UFRN / UFCG
• Marcelo A. C. Fernandes UFRN

DOI: https://doi.org/10.5753/sbesc_estendido.2025.15327

Resumo

Este artigo propõe a arquitetura TEDA-Multi, uma implementação em FPGA do algoritmo TEDA (Typicality and Eccentricity Data Analytics), adaptada para aplicações multissensores na Internet das Coisas Médicas (IoMT). A arquitetura explora a modularidade com múltiplos núcleos paralelos. Experimentos analisaram a potência dinâmica, ocupação de hardware e throughput em diferentes configurações (sensores, frequência, paralelismo). Os resultados demonstram que o TEDA-Multi é escalável, mantém baixo consumo de potência dinâmica em alta densidade de sensores e um bom desempenho em aplicações reais da IoMT com até 80 sensores, sendo compatível com requisitos de sistemas embarcados.

Palavras-chave: TEDA, FPGA, IoMT, Processamento em Tempo Real, Paralelismo, Multissensores

Referências

Z. Mao, C. Liu, Q. Li, Y. Cui, and F. Zhou, “Intelligent intensive care unit: Current and future trends,” Intensive Care Research, vol. 3, no. 2, pp. 182–188, 2023.

I. Ben Dhaou, M. Ebrahimi, M. Ben Ammar, G. Bouattour, and O. Kanoun, “Edge devices for internet of medical things: Technologies, techniques, and implementation,” Electronics, vol. 10, no. 17, 2021.

B. S. J. Costa, C. G. Bezerra, L. A. Guedes, and P. P. Angelov, “Online fault detection based on typicality and eccentricity data analytics,” in 2015 International Joint Conference on Neural Networks (IJCNN), July 2015, pp. 1–6.

P. Angelov, “Anomaly detection based on eccentricity analysis,” in 2014 IEEE Symposium on Evolving and Autonomous Learning Systems (EALS), Dec 2014, pp. 1–8.

L. M. D. Da Silva, M. G. F. Coutinho, C. E. B. Santos, M. R. Santos, M. D. Ruiz, L. A. Guedes, and M. A. C. Fernandes, “Hardware architecture proposal for teda algorithm to data streaming anomaly detection,” IEEE Access, vol. 9, pp. 103 141–103 152, 2021.

M. A. Meghrazi, Y. Tian, A. Mahnam, P. Bhattachan, L. Eskandarian, S. T. Kakhki, M. R. Popovic, and M. Lankarany, “Multichannel ecg recording from waist using textile sensors,” BioMedical Engineering OnLine, vol. 19, p. 48, 2020.

R. Marcinkevics, J. O’Neill, H. Law, E. Pervolaraki, A. Hogarth, C. Russell, B. Stegemann, A. V. Holden, and M. H. Tayebjee, “Multichannel electrocardiogram diagnostics for the diagnosis of arrhythmogenic right ventricular dysplasia,” EP Europace, vol. 20, no. FI1, pp. f13–f19, 08 2017.