IDNEO开发嵌入式计算机视觉和机器学习算法解释血型结果
”我们保存的时间通过与嵌入式编码器生成代码,我们可以尝试新的特性和在MATLAB完成额外的迭代,将客户反馈的早期原型。”
马克•漂白IDNEO
的Grifols MDmulticard。
了解病人的血液抗原输入参与医疗创伤往往是必不可少的医生提供有效的治疗。的Grifols MDmulticard可以确定血液抗原输入从一个滴血在短短五分钟。卡使用横向流技术基于检测试纸条来显示不同的红带,表明关键抗原的存在与否。
帮助临床医生解释MDmulticard结果,Grifols IDNEO开发一个自动化的读卡器。软件的读卡器,在MATLAB开发的®和Android上实现目标硬件,包括图像处理、计算机视觉和机器学习算法,将乐队在卡片上的图案和形状变为血抗原输入结果。
“MATLAB使我们能够迅速分析图像和改善我们的算法在多个迭代,”马克说漂白,研发硬件主管IDNEO。“我们开发了算法之后,MATLAB便于部署嵌入式系统。这将是更加困难在C或另一种语言,特别是在短时间。”
挑战
红乐队MDmulticard有时畸形或褪色由于湿度,温度,病人的输血史,手动过程用来稀释血液样本,或其他因素。因此,IDNEO团队需要开发算法能够处理重大带图案和形状的变化。团队只有访问有限数量的卡片在项目的开始。他们需要一个工作流支持快速迭代,这样他们可以很容易地改进万博1manbetx他们的算法不同的乐队,他们收到更多的卡片模式和形状。
Grifols IDNEO想尽快实现一个原型,使临床工作人员提供反馈在软件算法被部署到生产环境之前的硬件。因为团队在一个短时间工作,他们想雇用一个敏捷开发方法,将使他们将客户转移需求输入和快速反应。
解决方案
IDNEO工程师开发了图像处理、计算机视觉和机器学习算法在MATLAB生成的代码生产Android MDmulticard读者使用嵌入式编码的实现®。
核心图像分析算法,开发了与MATLAB的图像处理工具箱™,执行颜色均衡和白平衡,将图像转换为CIELUV颜色空间,计算颜色差异,然后定位基准标记在卡片上注明乐队在图像模式。IDNEO团队添加带分析核心算法,创建一个二进制版本的图像,然后运用形态学操作得到骨架图像为每个乐队在卡片上。
接下来,他们实现了一个线性回归分类器训练从骨骼中提取图像特征。分类器检测固体乐队(分为积极的),没有乐队(归类为负),和mixed-field乐队(列为怀疑),它可以发生在一个病人有一个以前的输血。
测试后提供的算法在图像Grifols,工程师们设计了一个用户界面与MATLAB软件设计师。他们用MATLAB编译器™产生一个独立的MATLAB程序,Grifols工程师和选定的医院工作人员可以使用没有安装MATLAB。
IDNEO团队生产生成C代码从核心图像分析算法和嵌入式编码。他们测试了C代码通过比较结果产生的结果由原来的MATLAB算法,利用MATLAB分析器测量代码覆盖率。
团队生成的代码集成到一个Android应用程序,提供了一个触摸屏界面Grifols MDmulticard读者。
遵守客户的行程紧凑,IDNEO团队使用Scrum过程框架在开发和持续集成。MATLAB支万博1manbetx持这个工作流,詹金斯工作测试生成的代码嵌入编码器对卡图像数据库。
完全验证、试制样机的读卡器进行可用性测试在不同的医院在西班牙。同时,IDNEO工程师继续改进其算法的准确性,使用统计和机器学习的分类学习者应用工具箱™评估支持向量机和其他机器学习模型。万博1manbetx
结果
- 超过了精度要求。“客户需求识别准确率大于90%的正面和负面的乐队,“漂白说。“我们开发的算法MATLAB产生零假阳性或假阴性的样本数据集,所以我们超过了这个要求。”
- 项目完成时间减半。“MATLAB和嵌入式编码使我们减少我们需要完成项目的时间从12到24个月早添加更多的工程师团队,“漂白说。”这种方法使团队成员能够专注于他们的特定的角色,让我们更高效以及减少软件缺陷的数量。”
- 优化系统交付。“使用嵌入式编码器生成C代码的设备使我们完全专注于开发和优化我们的算法,“漂白说。“因此,我们能够提供更高质量的系统。”
