Ist das Ihr Unternehmen? Profil übernehmen
Entwickelt erklärbare KI-Software für die nicht-invasive ECG-Analyse zur Diagnoseunterstützung bei kardiovaskulären Erkrankungen
Incardias
Dresden (Spin-off der TU Dresden, Entwicklung/Forschung)Neu auf Amplifa
Über Incardias
Incardias ist ein Spin-off aus dem Institut für Biomedizinische Technik der TU Dresden in Dresden. Das Unternehmen entwickelt KI-basierte Diagnoseunterstützung für die Analyse von Elektrokardiogrammen (ECG). Kernprodukt ist ecgXfusion®, ein System, das Ärzten bei der nicht-invasiven Diagnose kardiovaskulärer Erkrankungen vertrauenswürdige und nachvollziehbare Entscheidungsgrundlagen liefert. Die zentrale Architektur xECGArch® besteht aus zwei Convolutional Neural Networks mit unterschiedlichen Beobachtungshorizonten: Ein Kurzzeit-Modell erlernt morphologische Merkmale einzelner Herzschläge, ein Langzeit-Modell lernt rhythmische Muster – die Merkmale entsprechen den charakteristischen Kriterien der klinischen ECG-Analyse. xFuseMap® fusioniert die Erklärungen beider Modelle zu einer Saliency Map, die diagnostisch relevante Signalausschnitte farblich hervorhebt und so die Diagnoseempfehlung verständlich macht. Die KI-Modelle werden lokal (offline) implementiert, sodass Einsätze in Kliniken, ambulanten Settings, der Präzisionsmedizin und mobilen Anwendungen möglich sind. Die Technologie soll künftig am Herzzentrum Dresden und bei niedergelassenen Ärzten in der Praxis erprobt werden.
- Standort
- Dresden
- Verfahren
- KI-basierte ECG-Diagnostikunterstützung (ecgXfusion®), Explainable-AI-Architektur xECGArch®, Saliency-Map-Visualisierung xFuseMap®, Offline-Implementierung für klinische, ambulante und mobile Anwendungen
- Werkstoffe
- Erklärbare Deep-Learning-Architektur, Fusionierte Saliency Map, Diagnoseunterstützungssystem
- Zertifikate
- Validierung anhand klinischer ECG-Kriterien, Offline-Implementierung der KI-Modelle, Publikationen in begutachteten Fachzeitschriften
- Branchen
- Medizintechnik, Kardiologie, Digitale Gesundheit / MedTech
- 01
Aufnahme und Analyse von ECG-Signalen
- 02
Automatisches Lernen rhythmischer und morphologischer Merkmale (xECGArch®)
- 03
Fusion der Modellerklärungen zu einer kombinierten Saliency Map (xFuseMap®)
- 04
Interpretierbare Visualisierung der diagnostisch relevanten Merkmale
- 05
Offline-Implementierung für klinische, ambulante und mobile Anwendungen
Technologien
Erklärbare Deep-Learning-Architektur
Zwei CNNs mit unterschiedlichen rezeptiven Feldern lernen kurzzeitige morphologische und langzeitige rhythmische ECG-Merkmale selbstständig und ohne Vorwissen.
Fusionierte Saliency Map
Führt die Erklärungen beider Modelle in einer farbcodierten Visualisierung zusammen, um die Klassifikationsentscheidung für Ärzte nachvollziehbar zu machen.
Diagnoseunterstützungssystem
System für verlässliche ECG-Analyse mit transparenter Entscheidungsunterstützung, z. B. zur Erkennung von Vorhofflimmern.
Standorte
Dresden
DEEntwicklung und Forschung (Spin-off der TU Dresden)
- Werkstoffe
- KI-Software, ECG-Signalanalyse
- KI-Modelle (xECGArch®), offline implementierbar
Produkte
Einblicke in die Fertigung
Branchen
Zusatzleistungen
Referenzkunden
Qualität & Validierung
Die Vertrauenswürdigkeit der KI wird durch erklärbare Architekturen und die Validierung der selbstgelernten Merkmale an klinischem Lehrbuchwissen gesichert; die Ergebnisse sind in Fachpublikationen (u. a. Scientific Reports, npj Artificial Intelligence, European Heart Journal) dokumentiert. Die offline Implementierung ermöglicht den Einsatz ohne Cloud-Anbindung.
| Nachweis | Dresden |
|---|---|
| Validierung anhand klinischer ECG-Kriterien | |
| Offline-Implementierung der KI-Modelle | |
| Publikationen in begutachteten Fachzeitschriften |
Historie
- 2023
Teilnahme am Inkubationsprogramm LifeTechLab (dresden|exists, unterstützt von TUD|excite).
- 2024
Publikation von xECGArch® in Scientific Reports; Preis-Beitrag beim ESC Digital & AI Summit.
- 2025
Markenanmeldung 'incardias' beim DPMA (06.02.2025, Nr. 3020252042128); Gewinner des Technology and Innovation Award (ESC Digital & AI Summit 2025, Berlin); Publikation in npj Artificial Intelligence.
- 2026
EXIST Research Transfer Förderung gewonnen.