Vant med hjertearytmi-deteksjon

Det var Even Eide Hansen (NTNU) som i går kveld kunne ta i mot premien for FPGA-forums «Beste FPGA-relaterte masteroppgave i Norge», bestående av diplom, heder, og en sjekk på 16 384 kroner (digitalteknikknerder vil begeistres over tallet).

Eide Hansen fikk prisen for oppgaven med tittelen «Deep Learning for Real-Time Arrhythmia Detection on Edge FPGAs in Wearable Devices». Veileder for oppgaven var professor Per Gunnar Kjeldsberg, NTNU.

Han fikk imidlertid kamp til målstreken av de to andre nominerte:

Markus Hjelle Cirotzkim med oppgaven»Design of a MOSAIX Emulator Model for ALICE ITS3», med veiledere Johan Alme og Ola Grøttvik (CERN), Universitetet i Bergen.

Ilya Korneev, med oppgaven «Design of the MOSAIX Qualification System for ALICE ITS3», også med veilederne Johan Alme og Ola Grøttvik (CERN), Universitetet i Bergen.

Dommerkomitéen har bestått av Dag Andreas Hals Samuelsen, USN, Heidi Johannessen, Norxe, og Yngve Hafting, UiO. Ifølge komitéleder Johannessen var det god og jevn konkurranse i år, men til slutt landet panelet på nevnte vinner, med følgende begrunnelse (vår oversettelse fra engelsk):

«Vinneren av FPGA-prisen 2025 har skrevet en masteroppgave som er solid forankret i vitenskapelig tradisjon. Den leverer et bemerkelsesverdig antall aspekter innenfor et komplekst og tverrfaglig system. De metodologiske valgene er godt støttet av nyere vitenskapelig litteratur, og resultatene er evaluert med tanke på samfunnsmessig innvirkning, gjennomførbarhet og det nyeste innen feltet. Det er lagt ned betydelig innsats i å tilpasse systemet til å fungere i det tiltenkte miljøet, og sluttproduktet er kritisk vurdert med hensyn til både styrker og svakheter.

Avhandlingen er grundig, av høy kvalitet og en glede å lese. Den presterer også sterkt i henhold til alle kriteriene for prisen. Kandidaten demonstrerer en dyp forståelse av FPGA-teknologi og utnytter effektivt både potensialet og fordelene i forhold til andre plattformer, spesielt når det gjelder prosesseringsytelse i forhold til energiforbruk.

Vinneroppgaven, utført ved NTNU, presenterer utvikling og implementering av en kompakt og energieffektiv dyplærings pipeline for arytmiklassifisering, skreddersydd for implementering i FPGA. Arbeidet ble veiledet av Per Gunnar Kjeldsberg, og vinneren er Even Eide Hansen for oppgaven «Efficient Deep Learning for Real-Time Arrhythmia Detection on Edge FPGAs in Wearable Devices».»

Elektronikk gratulerer!

Vinneren vil også få anledning til å publisere en artikkel med basis i oppgaven i Elektronikk.