Smart Textile
Brochure
Veuillez compléter le formulaire ci-dessous
Contact
Selon une étude publiée dans la revue Medical Engineering & Physics, les capteurs de wearables sont sur le point de se généraliser, pour devenir omniprésents dans un grand nombre d’applications de santé, depuis la télésurveillance des patients, jusqu’à la détection de chutes ou encore la prise en charge ambulatoire. Toutefois, les données collectées par les capteurs de wearables sont si nombreuses et variées, que pour obtenir des résultats précis et pertinents, tout l’enjeu consiste à les traiter de manière adéquate. C’est là qu’interviennent les méthodes de fusion des données : grâce à l’interprétation d’informations multidimensionnelles complexes, celles-ci permettent d’aboutir à la génération d’alertes pertinentes, d’améliorer la précision des résultats, et donc d’exploiter pleinement ces données à des fins de surveillance médicale.
Chronolife a développé un algorithme neuromorphique breveté, baptisé HOTS. Il s’agit d’un algorithme prédictif de machine learning, qui analyse en continu des flux de données multiparamétriques complexes sur des appareils de faible puissance comme les smartphones ou les tablettes. HOTS peut être intégré dans un grand nombre d’appareils mobiles et de plateformes à des fins d’analyse locale pour la génération d’alertes pertinentes (HOTS détecte les écarts par rapport aux modèles prédéfinis).
La technologie HOTS de Chronolife est un algorithme prédictif embarqué, que vous pouvez facilement intégrer dans n’importe quels appareils, objets intelligents ou plateforme d’IoT collectant des données :
Voici quelques cas d’utilisation spécifiques :
Smart Textile
Keesense
Keesense
Keesense
Smart Textile
Predictive Solution
Remplissez le formulaire ci-dessous et sélectionnez le type de communication que vous souhaitez recevoir.