基于模型设计的人工智能数字健康应用

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

步骤使用MATLAB^®，S万博1manbetximulink^®，以及基于模型的设计。

数字健康概论

数字医疗包括移动医疗(mHealth)、可穿戴设备、远程医疗和远程医疗、医疗信息技术(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新的方式来监控我们的健康，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，并使早期诊断成为可能。

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)

在生物医学数据集上开发和部署AI模型

有许多方法可以在生物医学数据集(如心电图信号、医学图像和生物医学文本数据)上建立预测模型。

使用MATLAB，您可以通过使用机器或深度学习算法，交互式地开发和部署生物医学数据集上的预测模型。您可以将模型部署到嵌入式设备或云上。

人工智能心电图分类技术(NVIDIA博客)

可解释性和Explainability

可解释机器学习提供了克服人工智能模型黑盒性质的技术和算法。通过揭示各种特征如何影响（或不影响）预测，可以验证模型是否为其预测使用了正确的证据，并揭示训练期间不明显的模型偏差。

心电图分类的模型可解释性(5:49)

基于Simulink的GPU代码生成与推理万博1manbetx

使用Simu万博1manbetxlink，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。

你也可以从Simulink模型中自动生成CUDA代码，用于部署在NVIDIA上万博1manbetx^®GPU设备。

用于心电信号分类的深度学习Simulink模型代码生成(示例)万博1manbetx

验证和确认

医疗设备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Simu万博1manbetxlink产品也可以s manbetx 845在FDA/ ce规范的工作流程中进行验证，以满足IEC 62304等协调标准。

MATLAB中的算法验证与工具验证(17:52)

建议的下一步行动

MATLAB和Simu万博1manbetxlink使工程师能够通过有效地集成和自动化设计、实现和验证阶段来加快医疗设备软件和硬件的开发。

用于医疗器械的MATL万博1manbetxAB和Simulink

设计、模拟和构建下一代医疗设备，同时加快法规遵从性。

了解更多

心电图分类的人工智能技术

学习开发用于分类ECG信号的机器学习和深度学习模型的基本方面。

观看视频（5段视频）

输液泵的建模

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（3段视频）

FDA软件验证

了解如何验证在FDA监管的医疗器械设计工作流程中使用的MAs manbetx 845TLAB产品。