基于模型设计的人工智能数字健康应用

探索使用人工智能技术(如深度学习和机器学习)构建符合全球医疗法规的数字健康应用程序的工作流程。

步骤使用MATLAB^®,仿真软件^®，以及基于模型的设计。

数字健康概论

数字卫生包括移动卫生(mHealth)、可穿戴设备、远程卫生和远程医疗、卫生信息技术(IT)和个性化医疗。智能手机、人工智能和互联网应用的使用可以提供监测我们健康的新方法，并提供更多的健康信息。它可以使消费者和提供者做出更明智的决定，并实现早期诊断。

基于人工智能的软件作为医疗设备(SaMD)行动计划(FDA行动计划)

开发和部署生物医学数据集上的AI模型

在诸如心电图信号、医学图像和生物医学文本数据等生物医学数据集上构建预测模型的方法有很多。

使用MATLAB，您可以通过使用机器或深度学习算法在生物医学数据集上交互式开发和部署预测模型。您可以将模型部署在嵌入式设备或云上。

心电分类的人工智能技术(NVIDIA博客)

可解释性和可解释性

可解释机器学习提供了克服人工智能模型黑箱特性的技术和算法。通过揭示各种特征如何有助于(或不有助于)预测，您可以验证模型为其预测使用了正确的证据，并揭示在训练期间不明显的模型偏差。

心电分类的模型可解释性(5:49)

基于Simulink的GPU代码生成与推理

使用Simulink，您可以结合强大的信号处理技术和卷积神经网络对生物医学信号进行分类。

您还可以从Simulink模型自动生成CUDA代码，以便部署到NVIDIA上^®GPU设备。

心电信号分类的深度学习Simulink模型代码生成(举例)

验证与验证

医疗器械系统的建模和仿真是设计、开发和测试的重要组成部分。

您使用的MATLAB和Simulink产品也可以2022世界杯八强谁会赢？在FDA/ ce规范的工作流程中进行验证，并满足如IEC 62304等协调标准。

MATLAB中的算法验证和工具验证(记上17:52)

建议的下一步措施

MATLAB和Simulink通过有效地集成和自动化设计、实现和验证阶段，使工程师能够加快医疗设备软硬件的开发。

医疗设备的MATLAB和Simulink

设计、模拟和构建下一代医疗设备，同时加速法规遵从性。

了解更多

心电分类人工智能技术

学习开发用于心电信号分类的机器学习和深度学习模型的基本方面。

观看视频(5个视频)

输液泵建模

了解输液泵及其子系统的结构，以及如何执行集成和测试，并为法规遵从性生成报告。

观看视频视频(3)

FDA软件验证

了解如何验证MATLAB产品用于FDA监管的医疗器械设计工2022世界杯八强谁会赢？作流。