时间回到 2020 年初的武汉，一台数字听诊器被送进同济医院新冠肺炎重症监护室，完成了极其艰难的第一手数据的采集。华中科技大学王超教授告诉 DeepTech，这台通过委托海外华侨捐赠的设备，在那一刻成为了连接生命的听觉窗口。
在六年后的今天，当年采集的这批珍贵的肺音数据，结出了一颗硬核的芯片果实。近日，王超团队基于这些真实的临床数据，在集成电路顶级期刊《IEEE 固态电路学报》上发表了历史首款面向肺音监测的专用 AI 处理器芯片论文。从听见新冠到造出来芯片，代表着算法和硬件结合迈出了实质性的一步。
许多人在体检或者看病时都做过听诊，医生拿着听诊器在胸口听听，就能大概判断肺部到底有没有问题。听诊虽然方便并且没有创伤，但是它非常依赖医生的个人经验，没有办法做到全天候的实时监测。为了让机器也可以听懂肺音，人们开始尝试用深度学习网络来分析这些声音。
然而这里面有一个很现实的难题，绝大多数人的肺音在大部分时间里面都是正常的，只有偶尔才会出现异常杂音。传统 AI 模型不管三七二十一，拿到一段声音就会进行十分复杂的多分类计算，这就好比用大炮打蚊子，白白浪费了算力与电量。
对于需要长期佩戴的可穿戴设备而言，电量就等于是生命线。假如芯片一直处于高耗能状态，设备很快就会耗尽电量，频繁充电也会让用户不堪其扰，这等于让全天候监测变成了一句空话。
为了彻底解决这一痛点，王超团队提出一种全新的思路，他们设计了一套两阶段的混合神经网络。通俗来讲，这套网络就好比是医院里的分诊台。
患者的声音先被传给第一阶段的网络，这一环节也就是初筛环节。假如通过初筛发现声音很健康，系统就会直接给出正常的结果，后面的复杂流程则被全部跳过，这部分所消耗的电量微乎其微。
只有当初筛发现异常的时候，声音才会被送进第二阶段里的网络，进行更为精细的四分类诊断。这种先粗筛、再细分的策略，从源头上砍掉了大量的不必要计算。根据此次论文公布的数据，在处理人体正常肺音的时候，每当处理一帧画面仅仅消耗 0.39 毫焦耳的电能。
与那些直接一上来就进行复杂分类的方案相比，能耗得到大幅下降，从而为可穿戴设备的超长待机打下了坚实基础。
但是，王超团队并没有止步于算法，他们开始把目光投向了更底层的物理世界，决定专门为这套算法量身定制一款芯片。
设计芯片其实就像盖一座大楼，不同大小以及形状的神经网络计算算子及任务，就好比是各种奇形怪状的家具。假如大楼的格局是死板的，那么很多空间就会被浪费。因为算法中包含了大量大小不一的卷积层，所以传统芯片很难做到高效兼顾。
为了解决这一问题，王超团队设计了一种可重构的处理单元阵列。等于让大楼里的隔断墙可以自由移动，芯片可以根据当前计算算子的不同及任务的大小，动态地调整内部的硬件连接方式。
他们还引入了双模脉动数据流的技术，让数据在芯片内部的传输路径变得尽可能地短，借此减少了搬运数据带来的电量损耗。
除了算力之外，存储也是一个麻烦事。在两阶段网络之间需要传递特征数据，第二阶段的网络内部也存在复杂的结构。假如存储空间分配不合理，芯片内部就会发生拥堵。
王超团队为此设计了一套多分支混合驱动存储架构，让不同的计算模块共用一个缓冲区，既能够保证数据不打架，又节约了宝贵的芯片面积。这些架构层面上的创新，让这款芯片在完成复杂任务的同时，依然能够保持极低的功耗。
这颗采用 55 纳米工艺制备的芯片，核心面积仅有 4.39 平方毫米，实测最低运算能耗达到 2.76 皮焦每操作，在同类研究中表现较为抢眼。这些实打实的硬件优化能力，让算法在硅片上跑出了非常高的效率，也为其他生理信号的监测芯片提供了可参考的架构模板。
把时间线拉长来看的话，这项研究的起步阶段充满了挑战。在 2020 年新冠疫情最为严重的时候，获取真实的肺音数据是一项既危险又困难的工作。当时的听诊记录需要覆盖患者的不同位置，以便能够捕捉到最真实的病理特征。
彼时，华中科技大学曾和松教授所在的同济医院团队收集了包含 172 例新冠肺炎确诊病例的多部位心肺听诊记录，同时还纳入了 50 位正常患者作为科研对照组。这些带着时代记忆的数据，成为了后来训练 AI 模型的重要基石。
王超团队在此基础上构建了深度学习模型，该模型既能够区分正常和异常的肺音，还能够对异常肺音进行更加细致的分类，这也为后续开发专用芯片指明了算法方向。而假如没有当初那些在一线采集数据的医护人员和科研工作者的坚持，这颗芯片的诞生可能要推迟到很久之后。
从 2020 年初启动数据收集，到当前把算法变成实实在在的硅片，这一路走得并不轻松。肺部疾病每年在全球都会导致大量人口死亡，早期发现和干预非常关键。
而这款专用芯片的问世，让低成本、无创的肺音长期监测成为了可能。未来假如把它装进小巧的贴片或者便携设备里，患者在家里休息或睡觉的时候，设备就可以默默地记录肺音。一旦发现了异常波动，设备就能够及时发出预警，提醒患者及时就医。
与此同时，王超团队的这项成果，拿到了顶级期刊历史上的第一款面向肺音监测的专用 AI 处理器芯片的殊荣，这也标志着中国在低功耗医疗集成电路领域取得了重要突破。这项研究也得到了国家自然科学基金等项目的资助，体现了国家对于底层硬核技术研发的持续支持。
这颗芯片的意义还在于它为人们提供一套通用的技术方案。人体之内的各种生理信号其实都面临着类似的困境，例如心脏跳动的声音、大脑发出的电波。
这些信号在大部分时间都是平稳正常的，只有偶尔的时候才会出现异常。而这种先判断常态、再分析异常的低功耗芯片架构，完全能够被借鉴到心音、心电以及脑电的可穿戴监测设备中。
当底层的数字芯片技术不断突破，那些之前只能在医院大型仪器上完成的检测，正在慢慢变成人们日常穿戴的一部分。对于王超来说，以真实的临床需求为出发点，使用底层的硬件创新去回应这些需求，无疑照亮了更多人走向健康的可能。
参考资料：
https://ieeexplore.ieee.org/document/10798166/
http://faculty.hust.edu.cn/WangChao/zh_CN/index.htm
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
热门跟贴