Schița de curs

Fundamentele TinyML în Healthcare

  • Caracteristicile sistemelor TinyML
  • Constrângeri și cerințe specifice healthcare-ului
  • Prezentare a arhitecturilor AI portabile

Colectarea și preprocesarea semnalelor biologice

  • Lucrul cu senzori fizioalogici
  • Tehnici de reducere a zgomotului și filtrare
  • Extracția caracteristicilor pentru serii temporale medicale

Dezvoltarea modelelor TinyML pentru dispozitive portabile

  • Selectarea algoritmilor pentru datele fiziologice
  • Antrenarea modelelor în medii cu resurse limitate
  • Evaluarea performanței pe seturi de date medicale

Implementarea modelelor pe dispozitive portabile

  • Utilizarea TensorFlow Lite Micro pentru inferență pe dispozitiv
  • Integrarea modelilor AI în dispozitivele medicale portabile
  • Testare și validare pe hardware emdedat

Optimizarea puterii și memoriei

  • Tehnici de reducere a sarcinii computaționale
  • Optimizarea fluxului de date și utilizării memoriei
  • Balansarea acurateței și eficienței

Siguranța, fiabilitatea și conformitatea

  • Considerente reglementare pentru dispozitivele portabile cu AI
  • Asigurarea robustei și utilizării clinice
  • Mecanisme de protecție în caz de eșec și gestionarea erorilor

Studii de caz și aplicații din domeniul healthcare

  • Sisteme de monitorizare cardiacă portabile
  • Reconocerea activităților în reabilitare
  • Monitorizarea continuă a glucozei și urmarirea biometrică

Direcții viitoare în TinyML medical

  • Abordări de fusionare multi-senzori
  • Analiza personalizată a sănătății
  • Următoarea generație de plăci AI cu putere redusă

Rezumat și următori pași

Cerințe

  • O înțelegere a conceptelor de bază ale învățării automatice
  • Experiență cu dispozitive emdedate sau biomédicale
  • Familiarizarea cu dezvoltarea bazată pe Python sau C

Audiență

  • Profesionali din domeniul healthcare
  • Ingineri biomédicali
  • Dezvoltatori AI
 21 ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite