Contattataci

Struttura del corso

Fondamenti del TinyML nella sanità

  • Caratteristiche principali dei sistemi TinyML
  • Vincoli e requisiti specifici per l’applicazione nel settore sanitario
  • Panoramica sulle architetture dell’IA nei dispositivi indossabili

Acquisizione e pre-elaborazione dei segnali biologici

  • Utilizzo dei sensori fisiologici
  • Tecniche di riduzione del rumore e filtraggio dei dati
  • Estrazione delle caratteristiche dai segnali medici temporali

Sviluppo di modelli TinyML per dispositivi indossabili

  • Selezione degli algoritmi più adatti ai dati fisiologici
  • Addestramento dei modelli in ambienti caratterizzati da risorse limitate
  • Valutazione delle prestazioni su set di dati sanitari

Distribuzione dei modelli sui dispositivi indossabili

  • Utilizzo di TensorFlow Lite Micro per l’inferenza direttamente sul dispositivo
  • Integrazione delle soluzioni AI nei dispositivi medici indossabili
  • Test e validazione su hardware embedded

Ottimizzazione energetica e della memoria

  • Tecniche per ridurre il carico computazionale
  • Ottimizzazione dei flussi di dati e dell’utilizzo della memoria
  • Equilibrio tra precisione del modello ed efficienza operativa

Sicurezza, affidabilità e conformità normativa

  • Aspetti regolatori da considerare nell’utilizzo dell’IA nei dispositivi medici
  • Garantire robustezza e utilità clinica delle soluzioni implementate
  • Meccanismi di sicurezza e gestione degli errori

Studi di caso ed applicazioni sanitarie pratiche

  • Sistemi indossabili per il monitoraggio cardiaco
  • Riconoscimento delle attività fisiche finalizzato alla riabilitazione
  • Monitoraggio continuo della glicemia e di altri parametri biometrici

Prospettive future per il TinyML in ambito medico

  • Approcci basati sulla fusione multi-sensoriale
  • Analisi personalizzate dei dati sanitari degli utenti
  • Nuovi chip AI a bassissimo consumo energetico per l’industria sanitaria

Sintesi e prossimi passi

Requisiti

  • Conoscenza di base dei concetti legati all’apprendimento automatico
  • Esperienza nella progettazione o nell’utilizzo di dispositivi embedded o biomedici
  • Familiarità con lo sviluppo software in Python o C

Destinatari del corso

  • Professionisti del settore sanitario
  • Ingegneri biomedici
  • Sviluppatori di soluzioni basate sull’intelligenza artificiale
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative