Plan du cours

Fondements du TinyML en Santé

  • Caractéristiques des systèmes TinyML
  • Contraintes et exigences spécifiques à la santé
  • Aperçu des architectures d'IA portables

Acquisition et Prétraitement des Signaux Biologiques

  • Travailler avec des capteurs physiologiques
  • Techniques de réduction du bruit et de filtrage
  • Extraction de caractéristiques pour les séries temporelles médicales

Développement de Modèles TinyML pour les Appareils Portables

  • Sélection d'algorithmes pour les données physiologiques
  • Formation des modèles pour des environnements à ressources limitées
  • Évaluation des performances sur des ensembles de données de santé

Déploiement de Modèles sur les Appareils Portables

  • Utilisation de TensorFlow Lite Micro pour l'inférence en appareil
  • Intégration des modèles d'IA dans les appareils médicaux portables
  • Tests et validation sur le matériel embarqué

Optimisation de la Puissance et de la Mémoire

  • Techniques pour réduire la charge de calcul
  • Optimisation du flux de données et de l'utilisation de la mémoire
  • Équilibrage entre précision et efficacité

Sécurité, Fiabilité et Conformité

  • Considérations réglementaires pour les appareils portables dotés d'IA
  • Assurance de la robustesse et de l'utilisabilité clinique
  • Mécanismes de sécurité et gestion des erreurs

Études de Cas et Applications en Santé

  • Systèmes de surveillance cardiaque portables
  • Reconnaissance d'activités dans la réadaptation
  • Suivi continu du glucose et des biométriques

Directions Futures en TinyML Médical

  • Approches de fusion multi-capteurs
  • Analyse de santé personnalisée
  • Prochaines générations de puces IA à faible puissance

Résumé et Étapes Suivantes

Pré requis

  • Une compréhension des concepts de base de l'apprentissage automatique
  • Une expérience avec les appareils embarqués ou biomédicaux
  • Une familiarité avec le développement basé sur Python ou C

Public cible

  • Professionnels de la santé
  • Ingénieurs biomédicaux
  • Développeurs d'IA
 21 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires