Analyse de données biomédicales avec MATLAB et Simulink

Concevoir, simuler et fabriquer des équipements médicaux innovants basés sur l'IA dans le respect des réglementations applicables

Avec MATLAB® et Simulink®, les ingénieurs sont en mesure d'analyser de très grands volumes de données biomédicales multimodales. Ils peuvent aussi développer des algorithmes intelligents facilitant la mise au point d'équipements médicaux innovants pour une meilleure prise en charge des maladies chroniques et une amélioration globale de la qualité de vie.

Avec MATLAB et Simulink, vous pouvez :

  • Analyser, visualiser et prétraiter de grands volumes de données biomédicales (signaux, images et données texte)
  • Créer des modèles d'IA prédictifs interprétables avec des architectures de Machine Learning automatisé (AutoML) et de Deep Learning
  • Automatiser la génération de code C/C++ ou GPU pour des objets connectés (IoT) et des applications haute performance embarqués dans le domaine médical.
  • Tracer les exigences dans l'architecture, le design, les tests et le code
  • Automatiser la production de rapports pour prouver la conformité aux réglementations FDA/CE et aux normes de l'industrie, comme IEC 62304, et accélérer la certification

« MATLAB nous permet de développer, débugger et tester rapidement des algorithmes de traitement du son, et MATLAB Coder simplifie le processus d'implémentation de ces algorithmes en C. Il n'existe aucun autre environnement ou langage de programmation qui nous permettrait d'obtenir des résultats similaires dans les mêmes délais. »

Yulya Goryachev, Respiri

Présentation gratuite

Applications de santé numérique basées sur l'IA avec l'approche Model-Based Design

Utilisez MATLAB et Simulink pour créer des applications d'IA tout en respectant les normes relatives aux équipements médicaux.

Affichez le diaporama

Utiliser MATLAB et Simulink pour  
l'analyse de données biomédicales

Prétraitement et visualisation de données biomédicales

MATLAB et Simulink vous permettent d'analyser et de prétraiter de grands volumes de données de signaux physiologiques, d'images médicales, de textes et de littérature biomédicale. Vous pouvez vous interfacer avec du hardware pour l'acquisition de signaux physiologiques. Par exemple, les support packages Raspberry Pi™ et Arduino® vous permettent de vous interfacer avec des cartes embarquées comme Raspberry Pi, Arduino et EKGShield pour collecter les données issues de ces capteurs. Vous pouvez également accéder aux signaux stockés dans des fichiers EDF, Excel® ou MAT pour les analyser.

Les ingénieurs et chercheurs dans le domaine biomédical peuvent :

  • Automatiser l'acquisition et l'analyse d'images, de vidéos et de signaux provenant du hardware
  • Préparer et automatiser la labellisation des images, données textuelles et signaux biomédicaux en utilisant des applications
  • Générer des jeux de données physiologiques, comme des ECG, par le biais de simulations

AutoML et Deep Learning

Avec MATLAB, vous pouvez prototyper et développer des équipements médicaux embarquant des applications de Machine Learning. Vous pouvez construire des modèles prédictifs basés sur des techniques d'IA comme le Machine Learning et le Deep Learning, et développer des algorithmes avancés pour le suivi des patients, les appareils auditifs et les applications thérapeutiques.

Avec MATLAB et Simulink, vous pouvez :

  • Entraîner et comparer des modèles avec des applications pointer-cliquer
  • Utiliser des techniques avancées de traitement du signal et d'images, et d'extraction automatique de caractéristiques
  • Vous appuyer sur des blocs MATLAB Function ou natifs pour une intégration dans Simulink à des fins de simulation ou de déploiement dans un système embarqué
  • Utiliser le Machine Learning interprétable pour éviter le côté « boîte noire » de la plupart des algorithmes de Machine Learning
  • Travailler avec vos collègues en utilisant des frameworks comme TensorFlow™, PyTorch et MxNet
  • Utiliser des tall arrays pour entraîner des modèles de Machine Learning sur des jeux de données trop volumineux pour être stockés en mémoire, avec un minimum de modifications à apporter à votre code

Génération de code et intégration dans Simulink

Déployez des modèles statistiques et de Machine Learning dans des systèmes embarqués et générez du code C/C++ lisible pour l'ensemble de votre algorithme de Machine Learning, y compris les étapes de pré-et post-traitements. Accélérez la vérification et la validation de vos simulations haute-fidélité en utilisant des modèles de Machine Learning dans des blocs MATLAB Function et des blocs natifs dans Simulink. Vous pouvez également déployer vos modèles entraînés sur des systèmes embarqués, des systèmes d'entreprise, des cartes FPGA ou dans le cloud. MATLAB supporte la génération automatique de code CUDA® pour les réseaux entraînés, ainsi que pour le prétraitement et le post-traitement afin de cibler spécifiquement les derniers GPU NVIDIA®.


Vérification et validation – Conformité aux normes et réglementations FDA

Vous pouvez valider les outils MathWorks pour une utilisation dans des workflows respectant les réglementations FDA/CE et garantir la conformité à des normes harmonisées, comme l'IEC 62304. Le recours à MATLAB et Simulink pour le développement d'équipement médicaux aide au respect des réglementations applicables et raccourcit les délais de soumission grâce à la création automatisée de nombreux rapports d'ingénierie.