使用基于模型的设计开发 AI 数字健康应用

运用基于深度学习或机器学习等人工智能 (AI) 方法的工作流，构建符合全球医疗法规的数字健康应用。

这些步骤使用 MATLAB^®、Simulink^® 和基于模型的设计。

数字健康简介

数字健康涵盖移动健康 (mHealth)、可穿戴设备、远程健康和远程医疗、健康信息技术 (IT) 和个性化医疗。随着智能手机、AI 和互联网应用日益普及，我们能够以新的方式监控自身健康状况，获取更多健康信息。它使消费者和供应商能够作出更明智的决策，并实现早期诊断。

基于 AI 的软件即医疗设备 (SaMD) 行动计划（FDA 行动计划）
基于生物医学数据集开发和部署 AI 模型

基于生物医学数据集（如 EKG 信号、医学图像和生物医学文本数据）构建预测模型的方法有很多。

借助 MATLAB，您可以通过使用机器学习或深度学习算法，基于生物医学数据集以交互方式开发和部署预测模型。您可以在嵌入式设备或云上部署模型。

使用 AI 方法进行 ECG 分类（NVIDIA 博客）
可解释性

可解释的机器学习为打破 AI 模型的黑盒提供了方法和算法。您可以看到各个特征对预测的贡献度，从而验证模型是否使用了正确的证据进行预测，并发现那些训练过程中不明显的模型偏差。

ECG 分类的模型可解释性 (5:49)
基于 Simulink 的 GPU 代码生成与推断

借助 Simulink，您可以综合运用功能强大的信号处理方法和卷积神经网络，对生物医学信号进行分类。

您还可以从 Simulink 模型中自动生成 CUDA 代码，以便在 NVIDIA^® GPU 设备上部署。

用于对 ECG 信号进行分类的深度学习 Simulink 模型的代码生成（示例）
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。

您可以对所用的 MATLAB 和 Simulink 产品进行确认，以用于 FDA/CE 合规工作流，并符合 IEC 62304 等协调标准。