基于AI的数字健康应用，具有基于模型的设计

探索使用人工智能技术的工作流程，如深度学习和机器学习，建立符合全球医疗规定的数字健康应用。

步骤使用MATLAB^®，s金宝appimulink.^®和基于模型的设计。

数字健康包括移动健康（MHealth），可穿戴设备，远程医疗和远程医疗，健康信息技术（IT）和个性化医学。使用智能手机，AI和Internet应用程序可以提供监控我们的健康的新方法，并提供更好地访问健康信息。它可以赋予消费者和提供者提供更明智的决策并启用早期诊断。

在诸如EKG信号，医学图像和生物医学文本数据的生物医学数据集上建立预测模型存在许多方法。

使用MATLAB，您可以使用机器或深度学习算法在生物医学数据集上交互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。

ECG分类的AI技术（NVIDIA博客）

可解释的机器学习提供了克服AI模型的黑匣子性质的技术和算法。通过揭示各种功能如何贡献（或不贡献）预测，您可以验证该模型正在使用正确的证据，以便其预测，并揭示培训期间不明显的模型偏差。

ECG分类模型解释性（5:49）

使用Simu金宝applink，您可以将强大的信号处理技术和卷积神经网络组合以对生物医学信号进行分类。

您还可以从Simulink模型自动生成CUDA代码，用于部署在NVIDIA上金宝app^®GPU设备。

医疗器械系统的建模与仿真是设计，开发和测试的重要组成部分。

您使用的MATLAB和SIMU金宝appLINK产品也可以下载188bet金宝搏验证用于FDA / CE调节的工作流程，并满足IEC 62304等协调标准。

MATLAB中的算法验证和工具验证（17:52）

推荐下一步