Die medizinische Bildgebung verbessert sich durch den Einsatz von künstlicher Intelligenz (KI)

Ich war Rückblick auf diese AGB 2021 Sitzung, in der diskutiert wird, wie sich KI auf die medizinische Bildgebung auswirkt, und natürlich die Edge-KI-Lösungen, die dazu beitragen, die Veränderungen in der Branche zu bewältigen. Es ist klar, dass Edge Computing und die GPU zusammen eine Schlüsselrolle spielen, daher wollte ich kurz erzählen, was wir gesehen haben und zwei meiner Lieblingsfunktionen, die KI in der medizinischen Bildgebungstechnologie ermöglichen.  

Ich weiß, dass ich niemanden überraschen werde, wenn ich sage, dass die Kosten für KI-Hardware und -Software in kürzester Zeit in die Höhe schnellen werden. Ich halte es jedoch für notwendig, diesen Punkt zu wiederholen, um einen Schlussstein für den Rest dieses Blogs zu setzen. In einem kürzlich Marktanalyse, wird erwartet, dass der weltweite Markt für medizinische Bildgebung von 2021 bis 2028 mit einer durchschnittlichen jährlichen Wachstumsrate von 5,21 TP1T wächst und bis 2028 28,6 Milliarden USD erreichen wird der Aufschwung. 

Medizinische Bildgebung, GPUs und Edge Computing  

Die neueste Hardware bietet viel, wenn es um die Leistung geht, die zur Lösung von Problemen wie Reaktionsfähigkeit, dem Bedarf an höherer Genauigkeit und verbesserter Bildgebung erforderlich ist. Glücklicherweise verbessert GPU-Computing die medizinische Bildgebung für medizinisches Fachpersonal, sodass sie schnellere und genauere Entscheidungen treffen können. 

Wir sehen deutlich die Revolution der Branche in Bezug auf die medizinische Bildgebungstechnologie. Dies ist zu einem großen Teil auf NVIDIAs Fortschritte bei der GPU-Technologie zurückzuführen, die die Fortschritte von ADLINK bei Edge-KI-Hardware und -Software ergänzt. Edge-Computing mit dem Zusatz einer GPU verbessert die Bildqualität, verbessert den Prozess der Bildkonstruktion und vervollständigt die Bildanalyse, um medizinisches Fachpersonal zu unterstützen. Intelligente Videoanalyse (IVA) ist ein großer Vorteil von GPU-Lösungen sowohl für klinische Praxen als auch für chirurgische Verfahren. 

Die eingebetteten mobilen PCI-Express-Module (MXMs) sind ein weiterer GPU-Standard, der auch medizinische Bildgebungsanwendungen verbessert. Die Kombination von Edge-Computing mit GPUs in der medizinischen Bildgebung bietet die leistungsstarken Rechenarbeitslasten, die die Bildrekonstruktion erfordert, zusammen mit der enormen erzeugten Wärmemenge. Bei Anwendungen wie der klinischen Untersuchung, Biopsie, intraoperativen Überwachung und sogar chirurgischen Behandlungen können die Leistung pro Watt und sogar erweiterte Temperaturoptionen in der Computerumgebung die Geschwindigkeit und Genauigkeit der Bildrekonstruktion bestimmen.  

Funktionen, die den Unterschied machen: MXMs, RDMA  

MXMs 

Für spezifische Anwendungen kann eine breite Palette von Prozessoren eingesetzt werden. Die eingebetteten MXM-GPU-Module von ADLINK können die Leistung über die herkömmliche CPU hinaus steigern. 

Unsere MXM-Module werden mit der NVIDIA Turing-Architektur entwickelt, die CUDA-Kerne, RT-Kerne und Tensor-Kerne in einer GPU integriert. Ein Beispiel ist die EGX-MXM-RTX3000-Modul das mit fortschrittlicher NVIDIA Turing GPU-Technologie in einem MXM 3.1 Typ B Formfaktor ausgestattet ist. Dies ist nur ein Viertel der Größe von Full-PCI-Express-Grafikkarten (PEG). Die Module, die mit einer Leistung von 80 W beginnen, eignen sich für kritische medizinische Bildgebungsanwendungen mit eingeschränkter Größe, Gewicht und Leistung. 

Anwendungen im medizinischen Bereich verlangen auch die Langlebigkeit von Anwendungen im industriellen Bereich, die mit gemeinsamen Lösungen von ADLINK und NVIDIA erreicht werden kann.   

RDMA  

NVIDIAs GPUDirect Remote-DMA (RDMA) ist eine „Familie von Technologien, die die Datenbewegung und den Zugriff für NVIDIA-Rechenzentrums-GPUs verbessert“. Die Implementierung von RDMA bietet externen Datenquellen direkten Zugriff auf den Speicher der GPU. Ohne RDMA in der medizinischen Bildgebung würden die Daten in den Speicher einer CPU gehen, was zu weiteren Verzögerungen bei der Datenübertragung und Latenz führen kann.  

Ein Anwendungsfall, bei dem RDMA beispielsweise beteiligt ist, ist die Ultraschallbildgebung. Ultraschall nutzt Front-End-Geräte wie FPGA für Analog-Digital-Wandlungen, bevor die Daten ihr endgültiges Ziel erreichen – die GPU. Dies stellt eine enorme Menge an Kommunikation zwischen dem FPGA und der GPU dar. RDMA ermöglicht eine Erhöhung der Bandbreite, die die für Ultraschall benötigte Rechenleistung bereitstellt. 

Sie haben die Sitzung verpasst?  

Und es gibt noch so viel mehr! Hoffentlich sind wir bald wieder persönlich für Sie da. Wenn Sie die ursprüngliche Sitzung verpasst haben, können Sie mehr über die medizinischen Bildgebungstechnologien von ADLINK erfahren in diesem gespräch oder besuchen Sie uns hier abrufbar.

Verfasser: Zane Tsai
Verfasser: Zane Tsai

Direktor des Platform Product Center, Embedded Platforms & Modules, ADLINK Technology

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.