Veštačka Inteligencija u službi tvog srca

Pametni digitalni stetoskop koji u realnom vremenu snima, analizira i prepoznaje nepravilnosti u radu srca pomoću najnaprednijih neuronskih mreža.

PyTorch Modeli
<2s Kašnjenje obrade
MFCC Analiza zvuka
Skroluj dole

Inovativna rešenja za preventivu

Digitalizacija klasičnog stetoskopa uz moć dubokog učenja omogućava detekciju problema mnogo ranije.

Moćni AI Modeli (PyTorch CNN)

Koristimo prilagođene konvolutivne neuronske mreže (CNN) zasnovane na PyTorch-u za ekstrakciju MFCC karakteristika iz zvuka, što omogućava trenutnu i pouzdanu klasifikaciju srčanog ritma.

1 Zvučni Signal
Stetoskop
2 MFCC
Spektrogram
3 Analiza
CNN Model

Obrada Uživo

Naši specijalni "bandpass" filteri učestano čiste signal (20-150 Hz), smanjujući šum i ambijentalnu buku za manje od 2 sekunde kašnjenja.

Pristupačna Prevencija

Tradicionalni digitalni stetoskopi su preskupi. SmartSteth transformiše običan PC i jeftin senzor u profesionalnu dijagnostičku mašinu koja spašava stotine evra.

Deskriptivna Analitika

Aplikacija nudi jasan uvid u rad srca pacijenta, omogućavajući prikaz otkucaja po po minuti i kategoriju stanja u kojoj se srce nalazi.

Brzo Povezivanje

Koristite standardne i pristupačne mikrofone/stetoskope sa USB/Audio priključkom. Softver automatski prepoznaje ulaz bez dodatnih drajvera.

Lokalno i Privatno

Sva analiza audio signala dešava se lokalno na vašem kompjuteru bez potrebe za stalnom internetskom vezom, čuvajući tako intimnost pacijenta.

Značaj rane dijagnoze
Briga o zdravlju

Dostupna dijagnostika za svako srce

Rano otkrivanje nepravilnosti srčanog ritma može sprečiti ozbiljne komplikacije. SmartSteth cilja da napredne medicinske uređaje učini dostupnim svima, pretvarajući običan hardver u moćan dijagnostički alat pomoću modernog softvera.

Xx
Pristupačnije rešenje od komercijalnih digitalnih stetoskopa
AI+
Model učen na hiljadama kardioloških snimaka

Sledeća generacija analize zvuka

Naš platforma je izgrađena koristeći Python i vodeće open-source framework-ove za maksimalnu tačnost i performanse.

PyTorch Framework

Moduli neuronskih mreža implementirani i trenirani u PyTorch ekosistemu radi visokog nivoa fleksibilnosti i optimizacije na desktop platformama.

Librosa Audio Procesiranje

Efikasna ekstrakcija akustičkih karakteristika (MFCC, Mel-spektrogrami) kako bi se olakšao posao klasifikacionim mrežama.

Desktop UI

Lagani i moderni GUI za korisnike na računarima koji pruža trenutne rezultate bez strme krive učenja.

Matematika iza veštačke inteligencije

U srži SmartSteth rešenja nalaze se decenijska matematička pravila ukrštena sa najmodernijim dubokim učenjem.

Procesiranje Zvuka (MFCC)

Zvučni signali u sirovom formatu sadrže mnogo "buke". Upotrebom Mel-frequency cepstral koeficijenata ističemo ključne frekvencije srca.

Opseg filtera 20-150 Hz
Veličina prozora 400 ms
Broj koeficijenata 13 do 40

Klasifikacija (CNN)

Konvolutivna mreža analizira formirani spektrogram srca kao sliku. Ovaj pristup dramatično povećava šansu za uočavanje suptilnih anomalija u ritmu.

Arhitektura mreže Preučeni ResNet / Custom CNN
Aktivaciona funkcija ReLU + Softmax
Rezultat Kategorija stanja