Kom i kontakt
 Varaktighet 21 timmar

Kursplan

Grundläggande kunskaper om TinyML inom hälso- och sjukvården

  • Karaktäristika för TinyML-system
  • Häso- och sjukvårdsspecifika begränsningar och krav
  • Överblick av AI-arkitekturer för barndyrbara enheter

Biosignalskaffande och förbehäntling

  • Arbete med fysiologiska sensorer
  • Brusreducering och filterteknik
  • Utväljande av funktioner för medicinska tidsserier

Utveckling av TinyML-modeller för barndyrbara enheter

  • Val av algoritm för fysiologisk data
  • Träning av modeller för begränsade miljöer
  • Utvärdering av prestanda på häso- och sjukvårdsdatauppsättningar

Införande av modeller på barndyrbara enheter

  • Användning av TensorFlow Lite Micro för införande på enheten
  • Integrering av AI-modeller i medicinska barndyrbara enheter
  • Testning och verifiering på inbäddad hårdvara

Optimering av ström- och minnesanvändning

  • Tekniker för att minska beräkningsbelastningen
  • Optimering av dataflöde och minnesanvändning
  • Balansering av noggrannhet och effektivitet

Säkerhet, tillförlitlighet och efterlevnad

  • Regelverksskäl för AI-aktiverade barndyrbara enheter
  • Säkerställande av robusthet och klinisk användbarhet
  • Fail-safe-mekanismer och felsökning

Studiefall och tillämpningar inom hälso- och sjukvården

  • Barndyrbara hjärtövervakningssystem
  • Aktivitetsidentifiering i rehabilitering
  • Kontinuerlig övervakning av blodsocker och biometri

Framtida riktningar inom medicinsk TinyML

  • Multi-sensorfusion tillvägagångssätt
  • Personanpassad häsoanalys
  • Nästa generations strömsnåla AI-chip

Sammanfattning och nästa steg

Krav

  • En förståelse för grundläggande begrepp inom maskininlärning
  • Erfarenhet av inbäddade eller biomedicinska enheter
  • Kännedom om utveckling i Python eller C

Målgrupp

  • Häso- och sjukvårdsprofessionella
  • Biomedicinska ingenjörer
  • AI-utvecklare

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier