AI的面世,伴生出了不少新兴职业,比如人社部和工信部日前就制定了六项新的国家职业技能标准,人工智能训练赫然在列。但在AI技术的辐射下,这些训练工作也开始逐步渗透进医疗行业,医疗研究人员也开始学起了“炼丹”。
医疗设备中的大算力
Clara Holoscan与医疗设备桥接 / Nvidia
今年秋季的GTC大会上,英伟达发布了Clara Holoscan医疗影像解决方案,大幅扩展了GPU在医学领域的应用。Clara Holoscan是基于英伟达AGX Orin打造的平台,集成了12核Cortex-A78AE CPU、2048核的安培GPU和2个NVDLA 2.0加速器,在15W至50W的功耗下,可实现200 TOPS(INT8)的算力。Clara Holoscan将医疗设备与边缘服务器无缝桥接,并以此创建相关的AI微服务,要求低延迟的应用程序在设备上运行,复杂任务则传回数据中心处理。
超声波彩色多普勒成像,也就是我们常说的彩超,是一种非侵入式观察体内血流的方法,可用于检测动脉或静脉中的血块。然而在扫描过程中,血流速度很可能会超过仪器准确测量的速度范围,因此生成的混叠伪影会阻止最终的可视化成像。
Clara Holoscan消除伪影 / Nvidia
而成像问题早就是AI应用中老生常谈的挑战了,医疗领域也不例外。滑铁卢大学的一组研究人员通过1000多张图像训练了一个U-Net卷积神经网络,用于检测与去除伪影。他们将超声波探头接入us4us公司的开发的超声波前端设备,再接入英伟达的Clara开发者套件,借助Clara Holoscan SDK、CUDA和Tensor RT等工具,不仅成功消除的混叠的伪影,还将FPS提高了一大截,从过去的每秒2帧提升到了每秒30帧。
医患保密协议,AI如何解决隐私问题
人工智能技术已经成功赋能了我们生活中的各行各业,借助大数据和模型,我们已经深受其益。但与此同时,随之而来的隐私问题不断滋生,不仅是金融领域,在医疗领域也是如此。这就为医疗领域AI模型的研究带来了困难,因为医疗研究人员不得向外界泄露任何病人隐私,必须保存在数据创建所在地。但不少研究都要用到不同地区或不同人种之间的数据,所以只能走传统的合作共享方式。
联邦学习是一种用于训练来自多个数据源的人工智能模型的方法,这种方法只会分享AI模型的权重,而不会将数据外传。在做到数据共享的同时,又能保持数据匿名,从而消除了研究人员和机构对数据分享与合作的抵触。
今天秋季,英伟达组织了全球最大的一项联邦学习研究,研究人员使用了全球20多个机构的数据来训练联邦学习模型,将其称为EXAM(EMR胸部X光AI模型),该模型使用生命体征、实验室数据和胸部X光作为数据输入,来确定确诊新冠病人未来所需补充的氧气量。从上图也可以看出,在输入年龄这项参数时,仅仅给出了最小值、最大值、平均值和标准差,并未透露任何具体的患者数据。
英伟达于近日的RSNA21大会上开源了FLARE,一个开源可扩展的SDK,可让研究人员和数据科学家们对已有的机器学习和深度学习工作做适应。FLARE代表的是Federated Learning Application Runtime Environment(联邦学习应用运行时环境),这也是英伟达已有的Clara Train联邦学习软件所用到的底层引擎,这套软件早已用于医疗成像、基因分析、肿瘤学和新冠病毒研究。
美国AI医疗软件公司Rhino Health已经将FLARE集成到其联邦学习解决方案中,马萨诸塞州总医院在使用这套方案后,直接用上了全球其他六大机构的数据,开发出了一种更准确针对脑动脉瘤的AI模型。
英伟达称FLARE可以与现有的AI框架集成,比如已经在医学成像中获得应用的MONAI框架。此外,由于FLARE基于模块化的架构,所以研究人员可以自行组建工作流,迅速尝试不同的实验。
反射治疗中的医学影像技术
在如今的癌症筛查、减少误诊和改善肿瘤识别与治疗项目中,AI同样赋予了强大的推动力。在临床医学中,为了精确定位肿瘤的位置,医生往往会在CT和MRI上来回检视,花费数十分钟以上勾画出肿瘤轮廓。该步骤对于放射线治疗来说至关重要,如果勾画的太小,放射线可能没有覆盖到整个肿瘤,给了肿瘤再度生长的空间,但如果勾画的太大,又容易伤害到正常的组织。因此通过GPU加速运算生成AI模型,就可以准确在图像中勾勒出肿瘤的边界。
过去许多研究机构与治疗中心的AI模型是在低分辨率的图像上进行训练的,借助英伟达提供的AI企业套件,其研究人员可以利用A100 Tensor Core GPU对高分辨率图像进行训练,如此一来生成的模型,在临床医生对病人进行诊断时,可以更好地定位肿瘤的大小和位置。不过AI并没有起到取代医生的作用,更像是作为CT扫描的替代方案,在治疗当天用其来优化治疗方案,验证放射治疗的计划。
小结
医疗领域在数字化进程上已经开始加速,无论是医疗器械还是医疗影像,AI在其中成了一股不可忽视的助力。当然这并不是指所有医疗人员都要具备“炼丹”知识,但医疗器械+AI已经成为趋势,未来疾病诊断和治疗都会愈发智能。
医疗设备中的大算力
Clara Holoscan与医疗设备桥接 / Nvidia
今年秋季的GTC大会上,英伟达发布了Clara Holoscan医疗影像解决方案,大幅扩展了GPU在医学领域的应用。Clara Holoscan是基于英伟达AGX Orin打造的平台,集成了12核Cortex-A78AE CPU、2048核的安培GPU和2个NVDLA 2.0加速器,在15W至50W的功耗下,可实现200 TOPS(INT8)的算力。Clara Holoscan将医疗设备与边缘服务器无缝桥接,并以此创建相关的AI微服务,要求低延迟的应用程序在设备上运行,复杂任务则传回数据中心处理。
超声波彩色多普勒成像,也就是我们常说的彩超,是一种非侵入式观察体内血流的方法,可用于检测动脉或静脉中的血块。然而在扫描过程中,血流速度很可能会超过仪器准确测量的速度范围,因此生成的混叠伪影会阻止最终的可视化成像。
Clara Holoscan消除伪影 / Nvidia
而成像问题早就是AI应用中老生常谈的挑战了,医疗领域也不例外。滑铁卢大学的一组研究人员通过1000多张图像训练了一个U-Net卷积神经网络,用于检测与去除伪影。他们将超声波探头接入us4us公司的开发的超声波前端设备,再接入英伟达的Clara开发者套件,借助Clara Holoscan SDK、CUDA和Tensor RT等工具,不仅成功消除的混叠的伪影,还将FPS提高了一大截,从过去的每秒2帧提升到了每秒30帧。
医患保密协议,AI如何解决隐私问题
人工智能技术已经成功赋能了我们生活中的各行各业,借助大数据和模型,我们已经深受其益。但与此同时,随之而来的隐私问题不断滋生,不仅是金融领域,在医疗领域也是如此。这就为医疗领域AI模型的研究带来了困难,因为医疗研究人员不得向外界泄露任何病人隐私,必须保存在数据创建所在地。但不少研究都要用到不同地区或不同人种之间的数据,所以只能走传统的合作共享方式。
联邦学习是一种用于训练来自多个数据源的人工智能模型的方法,这种方法只会分享AI模型的权重,而不会将数据外传。在做到数据共享的同时,又能保持数据匿名,从而消除了研究人员和机构对数据分享与合作的抵触。
今天秋季,英伟达组织了全球最大的一项联邦学习研究,研究人员使用了全球20多个机构的数据来训练联邦学习模型,将其称为EXAM(EMR胸部X光AI模型),该模型使用生命体征、实验室数据和胸部X光作为数据输入,来确定确诊新冠病人未来所需补充的氧气量。从上图也可以看出,在输入年龄这项参数时,仅仅给出了最小值、最大值、平均值和标准差,并未透露任何具体的患者数据。
英伟达于近日的RSNA21大会上开源了FLARE,一个开源可扩展的SDK,可让研究人员和数据科学家们对已有的机器学习和深度学习工作做适应。FLARE代表的是Federated Learning Application Runtime Environment(联邦学习应用运行时环境),这也是英伟达已有的Clara Train联邦学习软件所用到的底层引擎,这套软件早已用于医疗成像、基因分析、肿瘤学和新冠病毒研究。
美国AI医疗软件公司Rhino Health已经将FLARE集成到其联邦学习解决方案中,马萨诸塞州总医院在使用这套方案后,直接用上了全球其他六大机构的数据,开发出了一种更准确针对脑动脉瘤的AI模型。
英伟达称FLARE可以与现有的AI框架集成,比如已经在医学成像中获得应用的MONAI框架。此外,由于FLARE基于模块化的架构,所以研究人员可以自行组建工作流,迅速尝试不同的实验。
反射治疗中的医学影像技术
在如今的癌症筛查、减少误诊和改善肿瘤识别与治疗项目中,AI同样赋予了强大的推动力。在临床医学中,为了精确定位肿瘤的位置,医生往往会在CT和MRI上来回检视,花费数十分钟以上勾画出肿瘤轮廓。该步骤对于放射线治疗来说至关重要,如果勾画的太小,放射线可能没有覆盖到整个肿瘤,给了肿瘤再度生长的空间,但如果勾画的太大,又容易伤害到正常的组织。因此通过GPU加速运算生成AI模型,就可以准确在图像中勾勒出肿瘤的边界。
过去许多研究机构与治疗中心的AI模型是在低分辨率的图像上进行训练的,借助英伟达提供的AI企业套件,其研究人员可以利用A100 Tensor Core GPU对高分辨率图像进行训练,如此一来生成的模型,在临床医生对病人进行诊断时,可以更好地定位肿瘤的大小和位置。不过AI并没有起到取代医生的作用,更像是作为CT扫描的替代方案,在治疗当天用其来优化治疗方案,验证放射治疗的计划。
小结
医疗领域在数字化进程上已经开始加速,无论是医疗器械还是医疗影像,AI在其中成了一股不可忽视的助力。当然这并不是指所有医疗人员都要具备“炼丹”知识,但医疗器械+AI已经成为趋势,未来疾病诊断和治疗都会愈发智能。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
神经网络
+关注
关注
42文章
4572浏览量
98748 -
AI
+关注
关注
87文章
26443浏览量
264044 -
智能医疗
+关注
关注
27文章
1374浏览量
74042
发布评论请先 登录
相关推荐
达实久信中标上海交通大学医学院附属第九人民医院祝桥院区项目
达实智能全资子公司江苏达实久信医疗科技有限公司(以下简称“达实久信”)近日收到上海交通大学医学院附属第九人民医院及上海建工集团股份有限公司联合发出的中标通知书,中标上海交通大学医学院附属第九人民医院祝桥院区项目,中标金额为 58
NanoEdge AI的技术原理、应用场景及优势
硬件设计则是为了确保设备在执行这些任务时能够保持低能耗,从而提高其续航能力。
2、应用场景
NanoEdge AI 可以广泛应用于各种物联网设备和传感器,如智能家居、工业自动化、智能交通、医疗健康
发表于 03-12 08:09
百度生成式AI如何助力医疗应用升级?
1月6日,小寒节气来临之日,2024年北京大学医院管理、医疗产业、投融资领军人才研修班(以下简称:“研修班”)开学典礼正式在“燕园”举办。北京大学政府管理学院院长燕继荣,百度集团资深副总裁、大健康事业群(HCG)总裁何明科等出席开学典礼,何明科作为导师代表发表致辞。
AI技术在医疗保健产业的应用与发展
人工智能(AI)已经是当前最热门的话题之一,随着AI技术的快速发展,应用面也越来越广泛。得益于AI相关技术的精进,医疗保健产业也朝向更智能、更轻巧、更精准的方向发展。本文将为您介绍
请问ad5220数字电位计为什么一用数字表测量芯片就开始发烫?
用ad5220数字电位计模拟测温电阻上升过程,使用时为什么一用数字表测量阻值,芯片就开始发烫?重新上电后恢复中值并冷却。
up/down 悬空有影响么?up/downcs plus 需要加限流电阻么?手册里好像说内部已经有1k电阻了。
发表于 12-06 08:31
了解AI,从它的底层技术开始
随着科技的高速发展,人工智能(AI)毫无悬念的成为了当今科技领域的热门话题,它正在改变我们的生活方式,工作方式,甚至是我们的思考方式。然而,AI并不是一夜之间就能实现的,它需要一系列的关键技术作为支撑。想要了解AI,就得从它的底
能源监管平台在武汉市某大型教学医院中能耗管理作用分析
机构,整体运行成本相对较高。 教学医院是当前推动我国医疗水平提升的重要临床培养、诊疗及科研机构,在高等教育、医疗行业中都占据了重要地位,直接影响临床教学质量与医疗技术水平,与一般非教
当AI从零开始设计机器人
AI 先从一块大约肥皂大小的块状物质开始,起初这团物质只会摇晃,完全无法行走。AI 知道自己的目标尚未达成,于是迅速迭代设计。
发表于 10-11 09:40
•196次阅读
蔚来手机9月28日开始发货 NIO Phone起售价6499
蔚来手机9月28日开始发货 NIO Phone起售价6499 蔚来造手机、小米造车,不知道以后华为会要造什么?或者苹果造车? 蔚来用户需要一款与蔚来汽车无缝连接的手机。所以蔚来手机来了
《从零开始学ARM》真心适合新手小白
ARM架构一直以来都备受欢迎,无论是在移动设备、嵌入式系统还是服务器领域。然而,对于初学者而言,ARM架构可能显得复杂而晦涩。《从零开始学ARM》这本书为初学者提供了一个理想的学习起点,帮助他们逐步
发表于 09-02 15:29
云知声以AI助推医疗场景智慧化升级
近日,国内知名行企研究原创内容平台头豹发布“头豹行企指南”,一图介绍中国AI医疗助理行业明星企业。凭借其领先于业界的智慧医疗能力与突出的行业落地价值,云知声入选“中国AI
郭明錤:台玻玻纤布通过台光电检验,为AI产业受惠者
郭明錤表示,台玻生产的玻纤布,到今年第二季度的3季度开始发货给台光电主要包括ai相关产品的AI服务器(训练与推理)、光学模组等,客户包括微软、亚马逊等
AI大模型在医疗领域起飞
大模型,包括在医疗领域。 众多企业宣布推出医疗大模型 日前,京东发布了京东言犀大模型、言犀AI开发计算平台,同时基于京东言犀通用大模型,京东健康发布了“京医千询”医疗大模型,可
东软面向医疗领域推出多款AI+医疗行业应用
近日,东软面向医疗领域推出多款AI+医疗行业应用,包括添翼医疗领域大模型、飞标医学影像标注平台4.0、基于WEB的虚拟内窥镜等。这是东软凭借深厚的技术积累、海量的数据资源、丰富的行业应
评论