Analyse biomedizinischer Daten mit MATLAB und Simulink

Entwerfen, simulieren und bauen Sie KI-basierte Medizinprodukte der nächsten Generation, die sämtliche geltenden Vorschriften erfüllen

MATLAB® und Simulink® eröffnen Ingenieuren aus der Biomedizin die Möglichkeit, umfangreiche multimodale biomedizinische Datensätze zu analysieren. Außerdem gestatten sie die Erzeugung intelligenter Algorithmen, die in der Entwicklung medizinischer Geräte der nächsten Generation genutzt werden, um die Behandlung chronischer Krankheiten zu verbessern und die allgemeine Lebensqualität zu erhöhen.

Mit MATLAB und Simulink können Sie:

  • Umfangreiche biomedizinische Signal-, Bild- und Textdaten analysieren, visualisieren und vorverarbeiten
  • Interpretierbare prädiktive KI-Modelle mithilfe von Architekturen für automatisiertes Machine Learning (AutoML) und Deep Learning erzeugen
  • Die Generierung von C/C++- oder Grafikkartencode für das eingebettete medizinische Internet der Dinge (IoT) und leistungsstarke Anwendungen automatisieren
  • Anforderungen zu Architekturen, Entwürfen, Tests und Code zurückverfolgen
  • Automatisiert Berichte erzeugen, die zum Nachweis der Einhaltung von FDA-/CE-Vorschriften und Industriestandards wie IEC 62304 sowie zur Beschleunigung damit verbundener Zertifizierungs-Verfahren dienen

„MATLAB bietet uns die Möglichkeit, in kürzester Zeit klangverarbeitende Algorithmen zu entwickeln, zu debuggen und zu testen, während der MATLAB Coder die Implementierung dieser Algorithmen in C vereinfacht. Mit keiner anderen Umgebung oder Programmiersprache könnten wir ähnliche Ergebnisse in der gleichen Zeit erzielen.“

Yulya Goryachev, Respiri

Kostenlose Slideshow

KI-basierte digitale Gesundheitsanwendungen mit Model-Based Design

Verwenden Sie MATLAB und Simulink zur Erstellung von KI-Anwendungen, die die Standards für Medizinprodukte einhalten.

Präsentation ansehen

Analyse biomedizinischer Daten mit MATLAB und Simulink

Vorverarbeitung und Visualisierung biomedizinischer Daten

Mit MATLAB und Simulink lassen sich selbst große Mengen an physiologischen Signalen, medizinischer Bildgebung und biomedizinischen Text- und Literaturdatensätzen analysieren und vorverarbeiten. Für die Erfassung von physiologischen Signalen können Sie dabei Schnittstellen zu Hardware-Geräten nutzen. So ist es beispielsweise mit den Raspberry Pi™ und Arduino® Support Packages möglich, eine Schnittstelle zu Embedded Boards wie Raspberry Pi, Arduino und EKGShield herzustellen, um Daten von diesen Sensoren zu erfassen. Zudem können Sie auf in EDF-, Excel® und MAT-Dateien gespeicherte Signale zugreifen und diese analysieren.

Als biomedizinischer Ingenieur oder Wissenschaftler können Sie damit:

  • Die Erfassung und Analyse von Bildern, Videos und Signalen von Hardware automatisieren
  • Die Kennzeichnung von biomedizinischen Signalen, Bildern und Textdaten mithilfe von Apps vorbereiten und automatisieren
  • Physiologische Datensätze, wie z. B. EKGs, durch Simulationen generieren

AutoML und Deep Learning

MATLAB ermöglicht Ihnen das Prototyping und den Entwurf medizinischer Geräte mithilfe von Machine Learning-Anwendungen. So lassen sich prädiktive Modelle mithilfe von KI-Techniken wie Machine Learning und Deep Learning erstellen und fortschrittliche Algorithmen für die Überwachung von Patienten, Hörgeräten und therapeutischen Anwendungen entwickeln.

Mit MATLAB und Simulink können Sie:

  • Modelle mit Point-and-Click-Apps trainieren und vergleichen
  • Moderne Signal- und Bildverarbeitungsverfahren sowie automatisierte Merkmalsextraktionen einsetzen
  • In Simulink native Blöcke oder MATLAB-Funktionsblöcke zum Einsatz in Embedded-Anwendungen oder Simulationen integrieren
  • Interpretierbares Machine Learning einsetzen und so die „Black Box“-Natur der meisten Machine Learning-Algorithmen überwinden
  • Mit Kollegen zusammenarbeiten, die Frameworks wie TensorFlow™, PyTorch und MxNet verwenden
  • Tall-Arrays einsetzen und so mit minimalen Änderungen am Code Machine Learning-Modelle mit Datensätzen trainieren, die zu groß für den Arbeitsspeicher sind

Codegenerierung und Simulink-Integration

Stellen Sie statistische Modelle und Machine Learning-Modelle auf Embedded Systems bereit und generieren Sie lesbaren C/C++-Code aus Ihrem gesamten Machine Learning-Algorithmus, einschließlich der Vor- und Nachverarbeitungsschritte. Beschleunigen Sie in Simulink die Verifikation und Validierung Ihrer hochgetreuen Simulationen mit Machine Learning-Modellen durch MATLAB-Funktionsblöcke oder native Blöcke. Sie können Ihre trainierten Modelle außerdem auf Embedded Systems, Enterprise-Systemen, FPGAs oder in der Cloud einsetzen. MATLAB unterstützt die automatische Generierung von CUDA® -Code für das trainierte Netz sowie für die Vor- und Nachverarbeitung, so dass Sie stets auch die neuesten NVIDIA® -Grafikkarten als Zielhardware verwenden können.


Verifikation und Validierung – Einhaltung von FDA-Vorschriften und Normen

MathWorks-Tools können für den Einsatz in FDA/CE-regulierten Workflows sowie die Einhaltung harmonisierter Normen wie ICE 62304 validiert werden. Durch die Nutzung von MATLAB und Simulink während des Entwicklungsprozesses von Medizinprodukten lassen sich regulatorische Belastungen verringern und Zeitpläne für erforderliche Vorlagen verkürzen, indem die Erstellung verschiedenster technischer Berichte automatisiert wird.