今回の GTC 2021 のセッションでは、AIが医療用画像にどのような影響を与えているのか、そしてもちろん、業界の変化に対応するためのエッジAIソリューションについて議論してきました。エッジコンピューティングとGPUが重要な役割を果たしていることは明らかなので、これまで見てきたことと、医療用画像処理技術でAIを実現する私のお気に入りの機能を2つ簡単に紹介したいと思います。
AIハードウェアやソフトウェアのコストがあっという間に急上昇すると言っても、誰も驚かないでしょう。しかし、このブログの残りの部分の要点を置くためには、この点を改めて指摘する必要があると感じています。最近の 市場分析では、世界の医用画像市場は、2021年から2028年まで年平均成長率5.2％で成長し、2028年には286億米ドルに達すると予想されています。AIを利用した多くの医療アプリケーションは、他に比べて成長率が高まると考えられますが、医療用画像はかなりの急成長を遂げています。
医用画像、GPU、エッジコンピューティング
最新のハードウェアは、応答性、より高い精度の必要性、強化されたイメージングなどの問題を解決するために必要なパフォーマンスに関して多くのことを提供します。幸いなことに、GPUコンピューティングは医療専門家の医用画像を改善するため、医療専門家はより迅速かつ正確な意思決定を行うことができます。
私たちは、医用画像技術の観点から業界の革命をはっきりと見ています。これは、大きな意味で、エッジAIハードウェアおよびソフトウェアのADLINKの進歩を補完するGPUテクノロジーのNVIDIAの進歩によるものです。 GPUを追加したエッジコンピューティングは、画質を向上させ、画像構築のプロセスを強化し、医療専門家を支援するための画像分析を完了します。インテリジェントビデオ分析（IVA）は、臨床診療と外科手術の両方でGPUソリューションに大きな利点をもたらします。
組込みモバイルPCIExpressモジュール（MXM）は、医療画像アプリケーションを強化するもう1つのGPU標準です。医用画像におけるエッジコンピューティングとGPUの組み合わせにより、大量の熱が発生するとともに、画像再構成に必要な強力なコンピューティングワークロードが提供されます。臨床検査、生検、術中モニタリング、さらには外科的治療などのアプリケーションでは、コンピューティング環境でのワットあたりのパフォーマンスや拡張温度オプションでさえ、画像再構成の速度と精度を決定する可能性があります。
違いを生む機能：MXM、RDMA
MXM
特定のアプリケーションに合わせて、さまざまなプロセッサを導入できます。 ADLINKの組み込みMXMGPUモジュールには、従来のCPUを超えてパフォーマンスを向上させる機能があります。
MXMモジュールは、CUDAコア、RTコア、およびTensorコアを1つのGPUに統合するNVIDIATuringアーキテクチャで開発されています。一例は EGX-MXM-RTX3000モジュール これは、MXM3.1タイプBフォームファクターで高度なNVIDIATuringGPUテクノロジーを備えています。これは、フルPCI Expressグラフィックス（PEG）カードのわずか4分の1のサイズです。 80Wの電力で始まるモジュールは、サイズ、重量、電力制約（SWaP）の重要な医用画像アプリケーションに適しています。
医療分野でのアプリケーションは、産業分野でのアプリケーションの寿命も切望しています。これは、ADLINKとNVIDIAの共同ソリューションで実現できます。
RDMA
NVIDIAの GPUDirectリモートDMA （RDMA）は、「NVIDIAデータセンターGPUのデータ移動とアクセスを強化するテクノロジファミリ」です。 RDMAを実装すると、外部データソースにGPUのメモリへの直接アクセスが提供されます。医用画像処理にRDMAがないと、データはCPUのメモリに送られ、データ送信と遅延がさらに遅れる可能性があります。
RDMAを使用したユースケースとして、例えば超音波画像診断があります。超音波診断では、データが最終目的地であるGPUに到達する前に、 FPGA などのフロントエンドデバイスを使ってアナログ-デジタル変換を行います。そのため、FPGAとGPUの間には大量の通信が発生します。RDMAを利用することで、帯域幅を広げることができ、超音波診断に必要な演算性能を得ることができます。
セッションに参加できなかった方へ
この他にもたくさんあります。今回のセッションに参加できなかった方は、アドリンクの医療用画像処理技術について、 この講演 や、以下のサイトで詳しくご紹介していますので、ぜひご覧ください。 詳細はこちら.
