ML-edge - Enabling Machine-Learning-Based Health Monitoring in Edge Sensors via Architectural Customization

I WBSN devono far fronte a caratteristiche contrastanti. Da un lato, devono consentire un monitoraggio di lungo periodo, pur disponendo di fonti di energia limitate, richiedendo per cui un alto livello di efficienza. Dall’altro, devono fornire dati sanitari precisi e dettagliati. Il progetto di ricerca ML-edge intende raggiungere questi obiettivi attraverso tre distinti assi di ricerca. Dal punto di vista applicativo, focalizzeremo la nostra ricerca sullo sviluppo di metodologie personalizzate, basate su algoritmi di intelligenza artificiale. Da una prospettiva di co-design hardware / software, i nostri sforzi saranno invece incentrati sulla definizione di architetture digitali dedicate e sullo sviluppo delle necessarie infrastrutture di compilazione. Infine, intendiamo proporre soluzioni per la selezione automatica di nuovi dati al fine di affinare l’accuratezza del modello utilizzato per il monitoraggio. L’approccio perseguito in ML-edge consentirà di aprire nuove prospettive per la realizzazione di apparecchiature per il monitoraggio in ambito medico, in grado di contribuire al benessere dei pazienti e di alleggerire l'onere finanziario verso i sistemi sanitari.