Udvikling af Android-app til analyse af kognitiv funktion: 35% vækst i aktive brugere

Innowise har udviklet en Android-app og bygget et SDK, der udnytter AI til at analysere kognitive funktioner og forbedre nøjagtigheden af dataanalysen.

Kunde

Industri

Sundhedspleje

Region

Schweiz

Kunde siden

2023

Vores kunde er en neurovidenskabelig virksomhed, der har specialiseret sig i at udvikle en innovativ teknologiplatform til tidlig opdagelse af kognitive forstyrrelser. Ved at bruge mobilapplikationer indsamler og analyserer de data om brugerens interaktion med skærmen, hvilket gør det muligt at identificere potentielle problemer på et tidligt tidspunkt.

Virksomheden samarbejder aktivt med førende neurovidenskabelige forskere og praktikere over hele verden for at fremme viden om hjernens sundhed. De forsyner det videnskabelige samfund med robuste dataanalyseværktøjer, der understøtter udviklingen af nye diagnoser og behandlinger.

Detaljerede oplysninger om klienten kan ikke videregives i henhold til bestemmelserne i NDA.

Udfordring

Udvikl en Android-app til analyse af kognitive funktioner

Kunden havde en iOS-applikation til analyse af hjernefunktioner og ville gerne udvide den til Android-brugere. Men virksomheden havde kun iOS-udviklere og kunne ikke se fordelen ved at ansætte flere interne ingeniører.

Innowise trådte til for at tackle denne udfordring: at udvikle en Android-app med alle funktioner der replikerer funktionaliteten i iOS-versionen og samtidig sikrer problemfri datasynkronisering på tværs af begge platforme. Derudover krævede projektet integration af avancerede AI-teknologier til omfattende analyse af de indsamlede data.

Løsning

Udvikling af Android-applikationer og SDK med AI

Inden arbejdet gik i gang, foretog Innowise-teamet en grundig analyse af projektets krav og mål. Vi udnyttede vores omfattende erfaring med at udvikle komplekse mobile løsningerVi foreslog velafprøvede strategier og tilgange, der sikrede, at alle projektmål blev nået, og vi tog nøje hensyn til alle kundens ønsker og behov.

Udvikling af Android SDK

Vores team startede med at udvikle et omfattende SDK til Android. Dette SDK er designet til at indsamle oplysninger om hyppigheden og timingen af skærmtryk og den samlede tid, der bruges på at bruge telefonen. Ved hjælp af Java og Kotlin byggede vi SDK'et, så det var både fleksibelt og robust. Med SDK'et på plads gik vi derefter i gang med at udvikle Android-mobilapplikationer.

Udvikling af Android-apps

For at skabe en mobilapplikation til Android brugte vi Java og Kotlin for at få en gnidningsfri oplevelse. Appen kører i baggrunden, indsamler data fra interaktioner på skærmen og sender dem til serveren til analyse.

Vores udviklere brugte programmeringssproget Dart til at bygge appens logik og brugergrænseflade og integrerede den med Android SDK. Vi sørgede for, at appen havde minimal indvirkning på enhedens ydeevne og batterilevetid ved at optimere koden og bruge effektive databehandlingsalgoritmer.

AI-integration

AI teknologiintegration var en hjørnesten i dette projekt, der sigtede mod tidlig opdagelse af subtile tegn, der tyder på mulig kognitiv svækkelse. Vi valgte Python og den kraftfulde TensorFlow-ramme som grundlag for modeludviklingen. Dette valg gjorde det muligt for os at skabe fleksible og effektive modeller, der er i stand til at håndtere komplekse data relateret til brugernes interaktion med skærmen.

For at sikre høj nøjagtighed og robusthed blev modellerne trænet på omfattende datasæt fra kliniske undersøgelser, der omfattede forskellige brugeradfærdsmønstre. Denne omfattende træning gjorde det muligt for modellerne at genkende selv mindre abnormiteter, der er karakteristiske for tidlige stadier af kognitiv svækkelse.

Modellerne analyserede en lang række data, herunder:

Reactionstid: Den hastighed, hvormed brugeren reagerer på forskellige stimuli på skærmen.
Berøringsnøjagtighed: Hvor præcist brugeren rammer de rigtige elementer i grænsefladen.
Bevægelsesbane: Arten af fingerbevægelser på skærmen (lige linje, zigzag osv.).
Skrivedynamik: Hastigheden og rytmen ved at skrive på det virtuelle tastatur.

Derudover udviklede vi en mekanisme til dataoverførsel mellem mobilapplikationerne og serveren. Det muliggjorde dataanalyse i realtid og gav øjeblikkelige resultater til brugere og forskere.

Forbedret brugervenlighed

Vores eksperter har udviklet en intuitiv app-grænseflade hvor data præsenteres gennem klare grafer og diagrammer. For eksempel vises dynamikken i brugernes reaktionstid over en bestemt periode som en graf, hvor X-aksen repræsenterer tid, og Y-aksen repræsenterer reaktionstid. Denne visualisering gør det muligt hurtigt at identificere potentielle problemer, f.eks. afvigelser fra normen eller tendenser, der indikerer et fald i ydeevnen.

Hver visualisering er ledsaget af klare tekstforklaringer. For eksempel kan der ved siden af reaktionstidsgrafen være en forklaring om, at en stigning i reaktionstiden kan tyde på en opbremsning i de kognitive processer. Denne tilgang gør dataene lettere at fortolke og hjælper brugerne med hurtigt at identificere og løse eventuelle problemer.

Datasikkerhed

For at sikre, at brugerdata er sikkert beskyttet og lever op til avancerede sikkerhedsstandarder, har Innowise-teamet implementeret en skudsikker tilgang til databeskyttelse:

Kryptering af data: Før data sendes til serveren, krypteres de ved hjælp af den robuste AES-256-algoritme, hvilket gør dem ulæselige for uautoriserede brugere.
Beskyttelse af krypteringsnøgler: Krypteringsnøgler opbevares i en sikker boks med begrænset adgang for at forhindre enhver potentiel kompromittering.
Pålidelig infrastruktur: Data lagres på Microsoft Azure-serverehvilket giver et højt niveau af datasikkerhed.
Minimal dataindsamling: Der indsamles kun de nødvendige data til analyse, og brugernes personlige oplysninger udelukkes udtrykkeligt.
Streng adgangskontrol: Adgang til data gives kun til autoriserede brugere, hvilket sikrer, at de ikke falder i de forkerte hænder.

Teknologier

Programmeringssprog

Java, Kotlin, Dart, Python

Frameworks og biblioteker

TensorFlow

Testning

JUnit, Espresso

VCS

Git

Cloud

Microsoft Azure

Projektledelse

Jira

Udviklingsmiljøert

Android Studio

API'er

RESTful API'er

Proces

Til dette projekt brugte vi Scrum med to ugers sprint for at holde tingene organiseret og på rette spor. Vi opdelte arbejdsgangen i fleksible iterationer, så vi kunne tilpasse os hurtigt og overholde deadlines.

Vores dedikerede projektleder håndterede opgavefordeling, handlingsplaner, leverancer og milepælskoordinering med kunden. Regelmæssige statusmøder tre gange om ugen holdt alle opdateret og gav mulighed for rettidige justeringer. Kunden var aktivt involveret i processen og gav værdifuld feedback og information under vores daglige check-ins.

Hold

Projektleder

Android-udviklere

ML Engineers

Ekspert i datasikkerhed

UI/UX-designer

Resultater

Boost målgruppeengagement og forbedring af dataanalysens nøjagtighed

Kunden har fået en gennemprøvet løsning, som nu er et værdifuldt værktøj inden for neurovidenskabelig forskning og diagnostik. Lanceringen af Android-appen har ført til en stigning på 35% i antallet af aktive brugere, hvilket udvider deres rækkevidde og giver mulighed for mere forskelligartet dataindsamling.

Med AI-integrationen er dataanalysens nøjagtighed steget med 25%, hvilket gør indsigten mere præcis og pålidelig. Denne forbedring har ikke kun forbedret validiteten af deres resultater, men også tilføjet betydelig værdi til kognitive vurderinger - og hjulpet forskere og brugere med at spotte potentielle problemer tidligere og med større selvtillid.

Projektet har udvidet kundens evne til at forske i og analysere kognitive funktioner betydeligt og styrket deres rolle som førende inden for hjerneforskningsteknologi.

Projektets varighed

August 2023 - februar 2024

35%

stigning i aktive brugere

25%

øget nøjagtighed i dataanalysen

Relaterede sager

Kontakt os

Book et opkald eller udfyld formularen nedenfor, så vender vi tilbage til dig, når vi har behandlet din anmodning.

Navn

Virksomhed

E-mail

Telefon

Besked

Send os en talebesked

Vedhæft dokumenter

Upload fil

Du kan vedhæfte 1 fil på op til 2 MB. Gyldige filformater: pdf, jpg, jpeg, png.

Ved at klikke på Send accepterer du, at Innowise behandler dine personlige data i henhold til vores Politik for beskyttelse af personlige oplysninger for at give dig relevante oplysninger. Ved at indsende dit telefonnummer accepterer du, at vi kan kontakte dig via taleopkald, sms og beskedapps. Opkalds-, besked- og datatakster kan være gældende.

Du kan også sende os din anmodning
til contact@innowise.com

Hvad sker der nu?

Når vi har modtaget og behandlet din anmodning, vender vi tilbage til dig for at beskrive dine projektbehov og underskriver en NDA for at sikre fortrolighed.

Når vi har undersøgt dine ønsker, behov og forventninger, udarbejder vores team et projektforslag med forslag med arbejdets omfang, teamstørrelse, tids- og omkostningsoverslag.

Vi arrangerer et møde med dig for at diskutere tilbuddet og få detaljerne på plads.

Til sidst underskriver vi en kontrakt og begynder at arbejde på dit projekt med det samme.

Udvikling af Android-app til analyse af kognitiv funktion: 35% vækst i aktive brugere

Kunde

Udfordring

Udvikl en Android-app til analyse af kognitive funktioner

Løsning

Udvikling af Android-applikationer og SDK med AI

Udvikling af Android SDK

Udvikling af Android-apps

AI-integration

Forbedret brugervenlighed

Datasikkerhed

Teknologier

Proces

Hold

Resultater

Boost målgruppeengagement og forbedring af dataanalysens nøjagtighed

Relaterede sager

Kontakt os

Hvad sker der nu?

Brug for andre tjenester?

Abonner til vores nyhedsbrev

Abonner
til vores nyhedsbrev