随着人工智能 (AI) 的使用,医学成像正在得到改善

我一直 反思这个 GTC 2021 讨论人工智能如何影响医学成像的会议,当然还有帮助应对行业变化的边缘人工智能解决方案。很明显,边缘计算和 GPU 一起发挥着关键作用,所以我想简要分享我们所看到的,以及我最喜欢的两个在医学成像技术中实现人工智能的功能。  

我知道我不会让任何人感到惊讶,因为人工智能硬件和软件的成本很快就会飙升。但是,我觉得有必要重申这一点,以便为本博客的其余部分奠定基石。在最近 市场分析,预计从 2021 年到 2028 年,全球医学影像市场将以 5.2% 的复合年增长率增长,到 2028 年将达到 286 亿美元。虽然许多使用 AI 的医疗应用与其他应用相比将出现增长,但医学影像的增长速度相当快。激增。 

医学成像、GPU 和边缘计算  

最新的硬件在解决诸如响应性、更高准确性和增强成像等问题所需的性能方面提供了很多。幸运的是,GPU 计算改善了医疗保健专业人员的医学成像,因此他们可以做出更快、更准确的决策。 

我们清楚地看到了医疗成像技术方面的行业革命。这在很大程度上要归功于 NVIDIA 在 GPU 技术方面的进步,它补充了凌华科技在边缘 AI 硬件和软件方面的进步。边缘计算通过加入GPU,提升图像质量,增强图像构建过程,完成图像分析,辅助医疗专业人士。对于临床实践和外科手术,智能视频分析 (IVA) 是 GPU 解决方案的巨大优势。 

嵌入式移动 PCI Express 模块 (MXM) 是另一种 GPU 标准,它也增强了医学成像应用。边缘计算与医学成像中的 GPU 相结合,提供了图像重建所需的强大计算工作负载以及产生的大量热量。在临床检查、活检、术中监测甚至手术治疗等应用中,计算环境中的每瓦性能甚至扩展温度选项可以决定图像重建的速度和准确性。  

与众不同的功能:MXM、RDMA  

MXM 

可以部署多种处理器以适应特定应用。凌华科技的嵌入式 MXM GPU 模块具有超越传统 CPU 的性能提升能力。 

我们的 MXM 模块是使用 NVIDIA Turing 架构开发的,该架构在一个 GPU 中集成了 CUDA 内核、RT 内核和 Tensor 内核。一个例子是 EGX-MXM-RTX3000 模块 它在 MXM 3.1 Type B 外形中采用先进的 NVIDIA Turing GPU 技术。这只是完整 PCI Express 图形 (PEG) 卡尺寸的四分之一。这些模块的起始功率为 80W,适用于尺寸、重量和功率受限 (SWaP) 的关键医学成像应用。 

医疗领域的应用程序也渴望工业领域应用程序的寿命,这可以通过凌华科技和英伟达的联合解决方案来实现。   

RDMA  

英伟达的 GPUDirect 远程 DMA (RDMA) 是“一系列技术,可增强 NVIDIA 数据中心 GPU 的数据移动和访问”。实现 RDMA 为外部数据源提供了对 GPU 内存的直接访问。如果在医学成像中没有 RDMA,数据将进入 CPU 的内存,这可能会导致数据传输和延迟的进一步延迟。  

例如,涉及 RDMA 的一个用例是超声成像。超声波利用前端设备,例如 现场可编程门阵列 用于在数据到达其最终目的地 GPU 之前进行模数转换。这代表了 FPGA 和 GPU 之间的大量通信。 RDMA 允许增加带宽,从而提供超声波所需的计算性能。 

错过了会议?  

还有更多!希望我们很快会再次亲自回来,否则,如果您错过了最初的会议,您可以了解更多关于凌华科技的医学影像技术 在这次谈话中 或访问我们 这里

作者:赞恩·蔡
作者:赞恩·蔡

凌华科技嵌入式平台与模块平台产品中心总监

发表评论

电子邮件地址不会被公开。 必填项已用*标注