肺音数据六年做成AI芯片：王超团队成果登IEEE固态电路学报

时间倒回2020年初的武汉，一台

六年之后的今天，当年采下的这批珍贵数据登上了《IEEE 固态电路学报》，历史首款面向该场景的芯片也随论文一并公开。（来源：IEEE JOURNAL OF SOLID-STATE CIRCUITS）

体检或者看病时，很多人都做过听诊。医生拿听诊器在胸口听一听，肺部有没有问题大致就能判断。方便、无创伤，这是听诊的长处；短板也明显，它太依赖医生个人经验，全天候实时监测根本做不到。要让机器也听懂

可现实难题摆在眼前：绝大多数人的

可穿戴设备要长期佩戴，电量就是命根子。芯片一直高耗能，设备很快就没电，频繁充电用户也受不了，全天候监测便成了一句空话。（来源：IEEE JOURNAL OF SOLID-STATE CIRCUITS）

这个痛点，王超团队想用一套全新思路彻底解决，他们设计了

患者的声音先送进第一阶段网络，也就是初筛。初筛判断声音健康，系统直接给出正常结果，后面那套复杂流程全部跳过，这一步耗电微乎其微。

只有初筛发现异常，声音才会进入第二阶段网络，做更精细的四分类诊断。先粗筛、再细分，大量不必要的计算从源头上被砍掉。论文公布的数据显示，处理人体正常

相比一上来就做复杂分类的方案，能耗大幅下降，可穿戴设备超长待机因此有了基础。（来源：IEEE JOURNAL OF SOLID-STATE CIRCUITS）

算法之外，王超团队把目光投向更底层的物理世界，决定为这套算法量身定做一款芯片。

设计芯片好比盖楼，不同大小和形状的神经网络计算算子及任务，就像各种奇形怪状的家具。楼里格局死板，很多空间就白白浪费。算法中包含大量大小不一的卷积层，传统芯片很难高效兼顾。为此，王超团队设计了一种

他们还引入了

存储同样麻烦。两阶段网络之间要传特征数据，第二阶段网络内部结构也复杂，存储空间分配不合理，芯片内部就会堵起来。

针对这一点，王超团队设计了一套

这颗采用

把时间线拉长看，这项研究起步阶段全是挑战。2020年新冠疫情最严重的时候，拿到真实的

彼时，

在此基础上，王超团队构建了深度学习模型，该模型既能区分正常和异常的

从2020年初启动数据收集，到如今把算法做成实实在在的硅片，这一路并不轻松。肺部疾病每年在全球造成大量人口死亡，早期发现和干预十分关键。

这款专用芯片问世，让低成本、无创的

（来源：IEEE JOURNAL OF SOLID-STATE CIRCUITS）

在王超看来，这颗芯片还有另一层价值：它给出的是一套能通用的技术路线。人体内部的各类生理信号，比如心跳的声音、大脑发出的电波，其实都碰到差不多的难题——大多数时候平平稳稳、一切正常，异常只是偶尔冒出来。先判断常态、再分析异常，这种低功耗芯片架构完全能搬到心音、心电以及脑电的可穿戴监测设备上去用。

底层数字芯片技术每突破一步，原先只能在医院大型仪器上做的检测，就慢慢挪进人们日常穿戴的物件里。王超的做法是从真实临床需求出发，用底层硬件创新去接住这些需求。说到底，这条路让更多人离健康更近了一些。

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