L'imagerie médicale s'améliore avec l'utilisation de l'intelligence artificielle (IA)

J'ai été réflexion sur ces CGV 2021 session discutant de la façon dont l'IA affecte l'imagerie médicale, et bien sûr les solutions d'IA de pointe pour aider à faire face aux changements de l'industrie. Il est clair que l'edge computing et le GPU, ensemble, jouent un rôle clé, je voulais donc partager brièvement ce que nous avons vu, et deux de mes fonctionnalités préférées permettant l'IA dans la technologie d'imagerie médicale.  

Je sais que je ne surprend personne en disant que le coût du matériel d'IA, et des logiciels d'ailleurs, va monter en flèche en un rien de temps. Cependant, je pense qu'il est nécessaire de réitérer ce point afin de placer une clé de voûte pour le reste de ce blog. Dans un récent analyse de marché, le marché mondial de l'imagerie médicale devrait croître à un taux de croissance annuel composé de 5,2% de 2021 à 2028, pour atteindre 28,6 milliards USD d'ici 2028. Alors que de nombreuses applications médicales utilisant l'IA connaîtront une croissance la montée subite. 

Imagerie médicale, GPU et Edge Computing  

Le matériel le plus récent offre beaucoup en ce qui concerne les performances nécessaires pour résoudre des problèmes tels que la réactivité, le besoin d'une meilleure précision et une imagerie améliorée. Heureusement, le GPU computing améliore l'imagerie médicale pour les professionnels de la santé, afin qu'ils puissent prendre des décisions plus rapides et plus précises. 

Nous voyons clairement la révolution des industries en termes de technologie d'imagerie médicale. Cela est dû, dans une large mesure, aux avancées de NVIDIA dans la technologie GPU, qui complètent les avancées d'ADLINK dans le matériel et les logiciels d'IA de pointe. Edge computing, avec l'ajout d'un GPU, améliore la qualité de l'image, améliore le processus de construction d'image et complète l'analyse d'image pour aider les professionnels de la santé. L'analyse vidéo intelligente (IVA) est un énorme avantage pour les solutions GPU pour les pratiques cliniques et les procédures chirurgicales. 

Les modules PCI express mobiles intégrés (MXM) sont une autre norme GPU qui améliore également les applications d'imagerie médicale. La combinaison de l'informatique de pointe avec les GPU dans l'imagerie médicale fournit les puissantes charges de travail informatiques nécessaires à la reconstruction d'images, ainsi que la quantité massive de chaleur générée. Dans des applications telles que l'examen clinique, la biopsie, la surveillance peropératoire et même le traitement chirurgical, les options de performance par watt et même de température étendue dans l'environnement informatique peuvent dicter la vitesse et la précision des reconstructions d'images.  

Des fonctionnalités qui font la différence : MXM, RDMA  

MXM 

Une large gamme de processeurs peut être déployée pour s'adapter à des applications spécifiques. Les modules GPU MXM intégrés d'ADLINK ont la capacité d'améliorer les performances au-delà du CPU traditionnel. 

Nos modules MXM sont développés avec l'architecture NVIDIA Turing, qui intègre des cœurs CUDA, des cœurs RT et des cœurs Tensor dans un seul GPU. Un exemple est le Module EGX-MXM-RTX3000 qui intègre la technologie GPU NVIDIA Turing avancée dans un facteur de forme MXM 3.1 Type B. C'est juste un quart de la taille des cartes graphiques PCI Express (PEG) complètes. Les modules, qui démarrent avec une puissance de 80 W, conviennent aux applications d'imagerie médicale critiques de taille, de poids et de puissance (SWaP). 

Les applications dans l'espace médical recherchent également la longévité des applications dans les espaces industriels, ce qui est réalisable avec les solutions conjointes ADLINK et NVIDIA.   

RDMA  

NVIDIA DMA à distance GPUDirect (RDMA) est une « famille de technologies qui améliore le mouvement et l'accès aux données pour les GPU des centres de données NVIDIA ». La mise en œuvre de RDMA fournit des sources de données externes avec un accès direct à la mémoire du GPU. Sans RDMA en imagerie médicale, les données seraient stockées dans la mémoire d'un processeur, ce qui peut entraîner des retards supplémentaires dans la transmission et la latence des données.  

Un cas d'utilisation impliquant la RDMA, par exemple, est l'imagerie par ultrasons. L'échographie exploite les dispositifs frontaux tels que FPGA pour les conversions analogiques-numériques avant que les données n'atteignent leur destination finale : le GPU. Cela présente des quantités massives de communication entre le FPGA et le GPU. Le RDMA permet d'augmenter la bande passante, ce qui fournit les performances de calcul nécessaires aux ultrasons. 

Vous avez manqué la séance ?  

Et il y a tellement plus ! J'espère que nous serons bientôt de retour en personne, sinon, si vous avez manqué la session d'origine, vous pourrez en savoir plus sur les technologies d'imagerie médicale d'ADLINK. dans ce discours ou en nous rendant visite ici

Auteur: Zane Tsai
Auteur: Zane Tsai

Directeur du centre de produits de plate-forme, plates-formes et modules embarqués, technologie ADLINK

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *