Analisi dei dati biomedici con MATLAB e Simulink

Progettazione, simulazione e creazione di dispositivi medici di prossima generazione basati sull’IA e conformi ai requisiti

MATLAB® e Simulink® consentono agli ingegneri biomedici di analizzare grandi volumi di set di dati biomedici multimodali. Inoltre, gli ingegneri sono in grado di sviluppare algoritmi intelligenti che possono facilitare la costruzione di dispositivi medici di prossima generazione per aiutare la gestione di malattie croniche e migliorare la qualità generale della vita.

Con MATLAB e Simulink, è possibile:

  • Analizzare, visualizzare e pre-elaborare grandi volumi di segnali, immagini e dati di testo biomedici
  • Costruire modelli di IA predittivi interpretabili mediante il Machine Learning automatizzato (AutoML) e architetture di Deep Learning
  • Automatizzare la generazione di codice C/C++ o GPU per l’Internet of Things (IoT) e applicazioni ad alte prestazioni mediche embedded
  • Tracciare i requisiti in base all’architettura, alla progettazione, ai test e al codice
  • Automatizzare il reporting per dimostrare e accelerare la conformità ai requisiti FDA/CE e agli standard industriali come IEC 62304

“MATLAB ci consente di sviluppare, eseguire il debug e testare rapidamente algoritmi di elaborazione del suono, mentre MATLAB Coder semplifica il processo di implementazione di questi algoritmi in C. Nessun altro ambiente o linguaggio di programmazione ci consentirebbe di ottenere risultati simili nello stesso tempo.”

Yulya Goryachev, Respiri

Presentazione gratuita

Applicazioni per la salute digitali basate sull’IA con progettazione Model-Based

Utilizza MATLAB e Simulink per costruire applicazioni IA nel rispetto degli standard dei dispositivi medici.

Visualizza lo slideshow

Utilizzo di MATLAB e Simulink per 
l’analisi dei dati biomedici

Pre-elaborazione e visualizzazione dei dati biomedici

Con MATLAB e Simulink è possibile analizzare e pre-elaborare grandi volumi di segnali fisiologici, immagini mediche e set di dati di testo e letteratura biomedici. Tramite l’interfacciamento con apparecchiature hardware è possibile acquisire segnali fisiologici. Ad esempio, grazie ai pacchetti di supporto per Raspberry Pi™ e Arduino®, è possibile sfruttare l’interfacciamento con schede embedded come Raspberry Pi, Arduino e EKGShield per raccogliere dati da questi sensori. È inoltre possibile accedere e analizzare i segnali archiviati in file come EDF, Excel® e MAT-file.

Gli ingegneri e i ricercatori biomedici potranno:

  • Automatizzare l’acquisizione e l’analisi di immagini, video e segnali da hardware
  • Preparare e automatizzare l’etichettatura di segnali, immagini e dati di testo biomedici mediante apposite applicazioni
  • Generare set di dati fisiologici, come ECG, attraverso le simulazioni

AutoML e Deep Learning

Con MATLAB è possibile prototipare e sviluppare dispositivi medici con applicazioni di Machine Learning. È possibile costruire modelli predittivi utilizzando tecniche di IA come il Machine Learning e il Deep Learning e sviluppare algoritmi avanzati per il monitoraggio dei pazienti, dispositivi acustici e applicazioni terapeutiche.

Con MATLAB e Simulink, è possibile:

  • Addestrare e confrontare modelli con applicazioni point-and-click
  • Utilizzare tecniche avanzate di elaborazione di segnali e immagini e di estrazione automatica delle feature
  • Effettuare l’integrazione di Simulink come codice nativo o di blocchi funzione MATLAB per la distribuzione embedded o le simulazioni
  • Utilizzare Machine Learning interpretabile per superare la natura di “scatola nera” della maggior parte degli algoritmi di Machine Learning
  • Collaborare con i propri colleghi utilizzando framework come TensorFlow™, PyTorch e MxNet
  • Utilizzare i tall array per addestrare i modelli di Machine Learning a partire da set di dati troppo grandi per essere contenuti nella memoria, apportando modifiche minime al codice

Generazione di codice e integrazione con Simulink

Distribuisci modelli statistici e di Machine Learning su sistemi embedded e genera automaticamente codice C/C++ leggibile per il tuo algoritmo di Machine Learning, con pre- e post-elaborazione incluse. Accelera il processo di verifica e convalida delle tue simulazioni ad alta fedeltà in Simulink utilizzando i modelli di Machine Learning attraverso i blocchi funzione e i blocchi nativi MATLAB. È inoltre possibile distribuire i propri modelli addestrati su sistemi embedded, sistemi aziendali, dispositivi FPGA o Cloud. MATLAB supporta la generazione automatica di codice CUDA®per le reti addestrate e le fasi di pre- e post-elaborazione per eseguire il targeting mirato alle GPU NVIDIA®.


Verifica e convalida – Conformità ai requisiti e agli standard FDA

È possibile convalidare gli strumenti MathWorks da utilizzare in workflow regolamentati da FDA/CE per soddisfare standard come IEC 62304. L’utilizzo di MATLAB e Simulink durante il processo di sviluppo di dispositivi medici aiuta a ridurre l’onere dei requisiti e ad accelerare le tempistiche di presentazione automatizzando la creazione di numerosi report di ingegneria.