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。

在 MATLAB 中验证算法和确认工具 (17:52)

推荐的后续步骤

MATLAB 和 Simulink 能够高效地集成和自动化设计、实现和验证，从而帮助工程师加快开发医疗设备软件和硬件。

MATLAB 和 Simulink 在医疗设备领域的应用

设计、仿真和构建下一代医疗设备，同时加快监管合规。

了解更多

使用 AI 方法进行 ECG 分类

了解 ECG 信号分类机器学习和深度学习模型开发中的关键主题。

观看视频 (5 个视频)

输液泵建模

了解输液泵的结构及其子系统，以及如何执行集成和测试，并生成监管合规报告。

观看视频 (3 个视频)

FDA 软件确认

了解如何确认 MATLAB 产品，以用于 FDA 合规的医疗设备设计工作流。

了解更多

我们可以为您提供帮助。

联系我们开展定制化评估，基于具体需求获取相应定价。

快速入门