Android app-ontwikkeling voor cognitieve functieanalyse: 35% groei in actieve gebruikers

Innowise heeft een Android app ontwikkeld en een SDK gebouwd die AI gebruikt om cognitieve functies te analyseren en de nauwkeurigheid van gegevensanalyse te verbeteren.

Klant

Industrie

Gezondheidszorg

Regio

Zwitserland

Klant sinds

2023

Onze klant is een neurowetenschappelijk bedrijf dat gespecialiseerd is in het ontwikkelen van een innovatief technologieplatform voor het vroegtijdig opsporen van cognitieve stoornissen. Door gebruik te maken van mobiele applicaties verzamelen en analyseren ze interactiegegevens van gebruikers met het scherm, waardoor potentiële problemen in een vroeg stadium kunnen worden geïdentificeerd.

Het bedrijf werkt actief samen met toonaangevende neurowetenschappelijke onderzoekers en praktijkmensen over de hele wereld om de kennis over hersengezondheid te vergroten. Ze voorzien de wetenschappelijke gemeenschap van robuuste tools voor gegevensanalyse, die de ontwikkeling van nieuwe diagnoses en behandelingen ondersteunen.

Gedetailleerde informatie over de klant kan niet openbaar worden gemaakt krachtens de bepalingen van de NDA.

Uitdaging

Ontwikkel een Android-app voor cognitieve functieanalyse

De klant had een iOS-applicatie voor hersenfunctieanalyse en wilde het bereik uitbreiden naar Android-gebruikers. Het bedrijf had echter alleen iOS-ontwikkelaars en zag geen heil in het inhuren van extra in-house engineers.

Innowise ging deze uitdaging aan: het ontwikkelen van een Android-app met alle functies die de functionaliteit van de iOS-versie kopieert en tegelijkertijd zorgt voor een naadloze gegevenssynchronisatie tussen beide platformen. Daarnaast vereiste het project de integratie van geavanceerde AI-technologieën voor een uitgebreide analyse van de verzamelde gegevens.

Oplossing

Android-applicatie en SDK-ontwikkeling met AI

Voordat het Innowise team aan de slag ging, voerde het een grondige analyse uit van de eisen en doelstellingen van het project. Onze uitgebreide ervaring in het ontwikkelen van complexe mobiele oplossingenWe stelden beproefde strategieën en benaderingen voor die ervoor zorgden dat alle projectdoelen werden bereikt, waarbij we zorgvuldig rekening hielden met de wensen en behoeften van alle klanten.

Android SDK-ontwikkeling

Ons team is begonnen met het ontwikkelen van een uitgebreide SDK voor Android. Deze SDK is ontworpen om informatie te verzamelen over de frequentie en timing van schermtikken en de totale tijd die wordt besteed aan het gebruik van de telefoon. Met behulp van Java en Kotlin hebben we de SDK flexibel en robuust gemaakt. Met de SDK op zijn plaats zijn we vervolgens mobiele Android-applicaties gaan ontwikkelen.

Android app ontwikkeling

Om een mobiele applicatie voor Android te maken, hebben we gekozen voor Java en Kotlin voor een soepele ervaring. De app draait op de achtergrond, verzamelt gegevens van interacties op het scherm en stuurt deze naar de server voor analyse.

Onze ontwikkelaars gebruikten programmeertaal Dart om de logica en gebruikersinterface van de app te bouwen en integreerden deze met de Android SDK. We hebben ervoor gezorgd dat de app een minimale impact heeft op de prestaties van het apparaat en de levensduur van de batterij door de code te optimaliseren en efficiënte algoritmen voor gegevensverwerking te gebruiken.

AI-integratie

Integratie van AI-technologie was een hoeksteen van dit project, gericht op de vroege detectie van subtiele tekenen die wijzen op mogelijke cognitieve stoornissen. We kozen Python en het krachtige TensorFlow framework als basis voor modelontwikkeling. Deze keuze stelde ons in staat om flexibele en efficiënte modellen te maken die complexe gegevens over de interacties van gebruikers met het scherm konden verwerken.

Om een hoge nauwkeurigheid en robuustheid te garanderen, werden de modellen getraind op uitgebreide datasets van klinische onderzoeken die verschillende gedragspatronen van gebruikers omvatten. Door deze uitgebreide training konden de modellen zelfs kleine afwijkingen herkennen die kenmerkend zijn voor vroege cognitieve stoornissen.

De modellen analyseerden een breed scala aan gegevens, waaronder:

Reaction tijd: De snelheid waarmee de gebruiker reageert op verschillende stimuli op het scherm.
Aanraaknauwkeurigheid: Hoe nauwkeurig de gebruiker de juiste elementen van de interface raakt.
Bewegingstraject: De aard van de vingerbewegingen op het scherm (rechte lijn, zigzag, enz.).
Typedynamiek: De snelheid en het ritme van typen op het virtuele toetsenbord.

Daarnaast ontwikkelden we een mechanisme voor gegevensoverdracht tussen de mobiele applicaties en de server. Dit maakte real-time gegevensanalyse mogelijk, waardoor gebruikers en onderzoekers onmiddellijk resultaten kregen.

Verbeterde bruikbaarheid

Onze experts ontwikkelden een intuïtieve app-interface waarbij gegevens worden gepresenteerd in duidelijke grafieken en diagrammen. De dynamiek van de reactietijd van gebruikers over een bepaalde periode wordt bijvoorbeeld weergegeven als grafiek, waarbij de X-as de tijd weergeeft en de Y-as de reactietijd. Deze visualisatie zorgt voor een snelle identificatie van potentiële problemen, zoals afwijkingen van de norm of trends die duiden op een afname van de prestaties.

Elke visualisatie gaat vergezeld van duidelijke tekstuele uitleg. Naast de reactietijdgrafiek kan er bijvoorbeeld een uitleg staan waarin staat dat een toename in reactietijd kan duiden op een vertraging in cognitieve processen. Deze aanpak maakt de gegevens gemakkelijker te interpreteren en helpt gebruikers om mogelijke problemen snel te identificeren en aan te pakken.

Databeveiliging

Om ervoor te zorgen dat gebruikersgegevens veilig worden beschermd en voldoen aan geavanceerde beveiligingsstandaarden, heeft het Innowise team een kogelvrije aanpak voor gegevensbescherming geïmplementeerd:

Versleuteling van gegevens: Voordat gegevens naar de server worden verzonden, worden ze versleuteld met het robuuste AES-256-algoritme, waardoor ze onleesbaar worden voor onbevoegde gebruikers.
Bescherming van versleutelingscodes: Encryptiesleutels worden opgeslagen in een veilige kluis met beperkte toegang om compromittering te voorkomen.
Betrouwbare infrastructuur: Gegevens worden opgeslagen op Microsoft Azure servers, en biedt een hoog niveau van gegevensbeveiliging.
Minimale verzameling van gegevens: Alleen de gegevens die nodig zijn voor analyse worden verzameld, waarbij persoonlijke gegevens van gebruikers expliciet worden uitgesloten.
Strikte toegangscontrole: Toegang tot gegevens wordt alleen verleend aan geautoriseerde gebruikers, zodat ze niet in verkeerde handen vallen.

Technologieën

Programmeertalen

Java, Kotlin, Dart, Python

Kaders en bibliotheken

TensorFlow

Testen

JUnit, Espresso

VCS

Git

Cloud

Microsoft Azure

Projectbeheer

Jira

Ontwikkelomgevingt

Android Studio

API's

RESTful API's

Proces

Voor dit project gebruikten we Scrum met sprints van twee weken om alles georganiseerd en op schema te houden. We splitsten de workflow op in flexibele iteraties, zodat we ons snel konden aanpassen en deadlines konden halen.

Onze toegewijde projectmanager zorgde voor de toewijzing van taken, actieplannen, deliverables en de coördinatie van mijlpalen met de klant. Regelmatige statuscontrolevergaderingen drie keer per week hielden iedereen op de hoogte en maakten tijdige aanpassingen mogelijk. De klant was actief betrokken bij het proces en gaf waardevolle feedback en informatie tijdens onze dagelijkse check-ins.

Team

Project
Manager

Android-ontwikkelaars

ML ingenieurs

Deskundige gegevensbeveiliging

UI/UX Ontwerper

Resultaten

Boost publieksbetrokkenheid en verbeterde nauwkeurigheid van gegevensanalyse

De klant heeft een beproefde oplossing die nu een waardevol hulpmiddel is in neurowetenschappelijk onderzoek en diagnostiek. De lancering van de Android app heeft geleid tot een toename van het aantal actieve gebruikers met 35%, waardoor hun bereik is vergroot en er meer verschillende gegevens verzameld kunnen worden.

Dankzij de integratie van AI is de nauwkeurigheid van gegevensanalyses met 25% gestegen, waardoor inzichten nauwkeuriger en betrouwbaarder zijn geworden. Deze verbetering heeft niet alleen de validiteit van hun bevindingen verbeterd, maar heeft ook aanzienlijke waarde toegevoegd aan cognitieve beoordelingen, waardoor onderzoekers en gebruikers potentiële problemen eerder en met meer vertrouwen kunnen herkennen.

Het project heeft het vermogen van de klant om cognitieve functies te onderzoeken en te analyseren aanzienlijk vergroot, waardoor hun rol als leider op het gebied van technologie voor hersenonderzoek is verstevigd.

Duur van het project

Augustus 2023 - Februari 2024

35%

toename van actieve gebruikers

25%

grotere nauwkeurigheid van gegevensanalyse

Gerelateerde gevallen

Neem contact met ons op!

Boek een gesprek of vul het onderstaande formulier in en we nemen contact met je op zodra we je aanvraag hebben verwerkt.

Naam

Bedrijf

E-mail

Telefoon

Bericht Voeg projectgegevens alsjeblieft, duur, technische stapel, IT-professionals nodig en andere relevante informatie toe

Neem een spraakbericht over uw
project op om het ons beter te helpen begrijpen

Voeg indien nodig aanvullende documenten bij

Bestand uploaden

Je kunt maximaal 1 bestand van 2MB bijvoegen. Geldige bestanden: pdf, jpg, jpeg, png

Wij wijzen u erop dat wanneer u op de verzendknop klikt, Innowise uw persoonsgegevens verwerkt in overeenstemming met ons Privacybeleid om u van de juiste informatie te voorzien.

Wat gebeurt er nu?

Na ontvangst en verwerking van uw aanvraag, nemen wij binnenkort contact met u op om uw projectbehoeften in detail te beschrijven en een NDA te ondertekenen om de vertrouwelijkheid van informatie te garanderen.

Na het bestuderen van de vereisten, stellen onze analisten en ontwikkelaars een projectvoorstel met de omvang van de werkzaamheden, teamgrootte, tijd en kosten schattingen.

Wij regelen een ontmoeting met u om het aanbod te bespreken en tot een overeenkomst.

We tekenen een contract en beginnen zo snel mogelijk aan uw project te werken.