Lomake on lähetetty onnistuneesti.
Lisätietoja on postilaatikossasi.
Innowise on kehittänyt Android-sovelluksen ja rakentanut SDK:n, joka hyödyntää AI:tä kognitiivisten toimintojen analysoimiseksi ja tietojen analysoinnin tarkkuuden parantamiseksi.
Asiakkaamme on neurotieteen yritys, joka on erikoistunut kehittämään innovatiivista teknologia-alustaa kognitiivisten häiriöiden varhaiseen havaitsemiseen. Mobiilisovelluksia hyödyntämällä he keräävät ja analysoivat käyttäjän vuorovaikutustietoja näytön kanssa, mikä mahdollistaa mahdollisten ongelmien tunnistamisen varhaisessa vaiheessa.
Yritys tekee aktiivista yhteistyötä johtavien neurotieteen tutkijoiden ja ammattilaisten kanssa maailmanlaajuisesti aivoterveystiedon edistämiseksi. Se tarjoaa tiedeyhteisölle vankkoja data-analyysityökaluja, jotka tukevat uusien diagnostiikka- ja hoitomuotojen kehittämistä.
Yksityiskohtaisia tietoja asiakkaasta ei voida luovuttaa NDA:n määräysten nojalla.
Asiakkaalla oli iOS-sovellus aivotoimintojen analysointiin, ja sen tavoitetta haluttiin laajentaa Android-käyttäjille. Yrityksellä oli kuitenkin vain iOS-kehittäjiä, eikä se nähnyt hyötyä ylimääräisten sisäisten insinöörien palkkaamisesta.
Innowise tarttui tähän haasteeseen: se kehitti monipuolinen Android-sovellus joka toistaa iOS-version toiminnot ja varmistaa samalla saumattoman tietojen synkronoinnin molemmilla alustoilla. Lisäksi hankkeessa oli integroitava kehittyneitä AI-tekniikoita kerättyjen tietojen kattavaa analysointia varten.
Ennen työn aloittamista Innowise-tiimi analysoi perusteellisesti hankkeen vaatimukset ja tavoitteet. Hyödynsimme laajaa kokemustamme monimutkaiset mobiiliratkaisutehdotimme hyväksi havaittuja strategioita ja lähestymistapoja, joilla varmistimme kaikkien projektin tavoitteiden saavuttamisen ja otimme huolellisesti huomioon kaikki asiakkaan toiveet ja tarpeet.
Tiimimme aloitti kehittämällä kattavan SDK:n Androidille. Tämä SDK on suunniteltu keräämään tietoa näytön napautusten tiheydestä ja ajoituksesta sekä puhelimen käyttöön käytetystä kokonaisajasta. Käytimme Javaa ja Kotlinia ja rakensimme SDK:n niin, että se on sekä joustava että kestävä. Kun SDK oli valmis, jatkoimme Android-mobiilisovellusten kehittämistä.
Android-mobiilisovelluksen luomisessa käytimme Javaa ja Kotlinia sujuvan käyttökokemuksen takaamiseksi. Sovellus toimii taustalla, kerää tietoja näytön vuorovaikutuksesta ja lähettää ne palvelimelle analysoitavaksi.
Kehittäjämme käyttivät Dart-ohjelmointikieltä sovelluksen logiikan ja käyttöliittymän rakentamiseen ja integroivat sen Android SDK:hon. Varmistimme, että sovellus vaikuttaa mahdollisimman vähän laitteen suorituskykyyn ja akun kestoon optimoimalla koodia ja käyttämällä tehokkaita tietojenkäsittelyalgoritmeja.
AI teknologian integrointi oli tämän hankkeen kulmakivi, jonka tarkoituksena oli havaita varhaisessa vaiheessa hienovaraiset merkit, jotka viittaavat mahdolliseen kognitiiviseen heikkenemiseen. Valitsimme mallin kehittämisen perustaksi Python:n ja tehokkaan TensorFlow-kehyksen. Tämän valinnan ansiosta pystyimme luomaan joustavia ja tehokkaita malleja, jotka pystyvät käsittelemään monimutkaisia tietoja, jotka liittyvät käyttäjien vuorovaikutukseen näytön kanssa.
Tarkkuuden ja kestävyyden varmistamiseksi mallit koulutettiin laajoilla kliinisten tutkimusten tietokokonaisuuksilla, jotka sisälsivät erilaisia käyttäjien käyttäytymismalleja. Tämän kattavan koulutuksen ansiosta mallit pystyivät tunnistamaan jopa pienetkin poikkeavuudet, jotka ovat tyypillisiä kognitiivisen heikkenemisen varhaisvaiheille.
Malleissa analysoitiin monenlaisia tietoja, kuten:
Lisäksi kehitimme mekanismin tiedonsiirtoa varten mobiilisovellusten ja palvelimen välillä. Tämä mahdollisti reaaliaikaisen data-analyysin, joka tarjoaa käyttäjille ja tutkijoille välittömiä tuloksia.
Asiantuntijamme kehittivät intuitiivinen käyttöliittymä jossa tiedot esitetään selkeinä kaavioina ja kuvioina. Esimerkiksi käyttäjän reaktioajan dynamiikka tietyn ajanjakson aikana esitetään kuvaajana, jossa X-akseli kuvaa aikaa ja Y-akseli reaktioaikaa. Tämä visualisointi mahdollistaa mahdollisten ongelmien nopean tunnistamisen, kuten poikkeamat normaalista tai suorituskyvyn heikkenemiseen viittaavat suuntaukset.
Jokaiseen visualisointiin liittyy selkeä tekstimuotoinen selitys. Esimerkiksi reaktioaikakuvaajan vieressä voisi olla selitys, jonka mukaan reaktioajan kasvu voi viitata kognitiivisten prosessien hidastumiseen. Tämä lähestymistapa tekee tiedoista helpommin tulkittavia ja auttaa käyttäjiä tunnistamaan ja käsittelemään mahdolliset ongelmat nopeasti.
Varmistaakseen, että käyttäjätiedot on suojattu turvallisesti ja että ne täyttävät kehittyneet turvallisuusstandardit, Innowise-tiimi on ottanut käyttöön luodinkestävän lähestymistavan tietosuojaan:
Tässä projektissa käytimme Scrumia ja kahden viikon sprinttejä pitämään asiat järjestyksessä ja aikataulussa. Jaoimme työnkulun joustaviin iteraatioihin, joiden avulla pystyimme mukautumaan nopeasti ja noudattamaan määräaikoja.
Erityinen projektipäällikkömme hoiti tehtävien jakamisen, toimintasuunnitelmat, toimitukset ja virstanpylväiden koordinoinnin asiakkaan kanssa. Säännölliset tilannekatsaukset kolme kertaa viikossa pitivät kaikki ajan tasalla ja mahdollistivat oikea-aikaiset mukautukset. Asiakas osallistui aktiivisesti prosessiin ja antoi arvokasta palautetta ja tietoa päivittäisten tapaamisten aikana.
1
Projektipäällikkö
3
Android-kehittäjät
2
ML Engineers
1
Tietoturva-asiantuntija
1
UI/UX-suunnittelija
Asiakas on saanut testatun ratkaisun, joka on nyt arvokas työkalu neurotieteellisessä tutkimuksessa ja diagnostiikassa. Android-sovelluksen käyttöönotto on johtanut 35% aktiivisten käyttäjien määrän kasvuun, mikä on laajentanut heidän tavoitettavuuttaan ja mahdollistanut monipuolisemman tiedonkeruun.
AI-integraation ansiosta tietojen analysointitarkkuus on kasvanut 25%:llä, mikä tekee havainnoista tarkempia ja luotettavampia. Tämä parannus ei ole ainoastaan parantanut havaintojen validiteettia, vaan se on myös lisännyt merkittävästi kognitiivisten arviointien arvoa, mikä auttaa tutkijoita ja käyttäjiä havaitsemaan mahdolliset ongelmat aikaisemmin ja varmemmin.
Hanke on laajentanut merkittävästi asiakkaan kykyä tutkia ja analysoida kognitiivisia toimintoja, mikä on lujittanut asiakkaan asemaa aivotutkimusteknologian johtavana toimijana.
35%
aktiivisten käyttäjien määrän kasvu
25%
tietojen analysoinnin tarkkuuden parantaminen
Viestisi on lähetetty.
Käsittelemme pyyntösi ja otamme sinuun yhteyttä mahdollisimman pian.
Rekisteröitymällä hyväksyt Tietosuojakäytäntö, mukaan lukien evästeiden käyttö ja henkilötietojesi siirto.