隨著人工智能 (AI) 的使用,醫學成像正在得到改善

我一直 反思這個 GTC 2021 討論人工智能如何影響醫學成像的會議,當然還有幫助應對行業變化的邊緣人工智能解決方案。很明顯,邊緣計算和 GPU 一起發揮著關鍵作用,所以我想簡要分享我們所看到的,以及我最喜歡的兩個在醫學成像技術中實現人工智能的功能。  

我知道我不會讓任何人感到驚訝,因為人工智能硬件和軟件的成本很快就會飆升。但是,我覺得有必要重申這一點,以便為本博客的其餘部分奠定基石。在最近 市場分析,預計從 2021 年到 2028 年,全球醫學影像市場將以 5.2% 的複合年增長率增長,到 2028 年將達到 286 億美元。雖然許多使用 AI 的醫療應用與其他應用相比將出現增長,但醫學影像的增長速度相當快。激增。 

醫學成像、GPU 和邊緣計算  

最新的硬件在解決諸如響應性、更高準確性和增強成像等問題所需的性能方面提供了很多。幸運的是,GPU 計算改善了醫療保健專業人員的醫學成像,因此他們可以做出更快、更準確的決策。 

我們清楚地看到了醫療成像技術方面的行業革命。這在很大程度上要歸功於 NVIDIA 在 GPU 技術方面的進步,它補充了凌華科技在邊緣 AI 硬件和軟件方面的進步。邊緣計算通過加入GPU,提升圖像質量,增強圖像構建過程,完成圖像分析,輔助醫療專業人士。對於臨床實踐和外科手術,智能視頻分析 (IVA) 是 GPU 解決方案的巨大優勢。 

嵌入式移動 PCI Express 模塊 (MXM) 是另一種 GPU 標準,它也增強了醫學成像應用。邊緣計算與醫學成像中的 GPU 相結合,提供了圖像重建所需的強大計算工作負載以及產生的大量熱量。在臨床檢查、活檢、術中監測甚至手術治療等應用中,計算環境中的每瓦性能甚至擴展溫度選項可以決定圖像重建的速度和準確性。  

與眾不同的功能:MXM、RDMA  

MXM 

可以部署多種處理器以適應特定應用。凌華科技的嵌入式 MXM GPU 模塊具有超越傳統 CPU 的性能提升能力。 

我們的 MXM 模塊是使用 NVIDIA Turing 架構開發的,該架構在一個 GPU 中集成了 CUDA 內核、RT 內核和 Tensor 內核。一個例子是 EGX-MXM-RTX3000 模塊 它在 MXM 3.1 Type B 外形中採用先進的 NVIDIA Turing GPU 技術。這只是完整 PCI Express 圖形 (PEG) 卡尺寸的四分之一。這些模塊的起始功率為 80W,適用於尺寸、重量和功率受限 (SWaP) 的關鍵醫學成像應用。 

醫療領域的應用程序也渴望工業領域應用程序的壽命,這可以通過聯合凌華科技和 NVIDIA 解決方案來實現。   

RDMA  

英偉達的 GPUDirect 遠程 DMA (RDMA) 是“一系列技術,可增強 NVIDIA 數據中心 GPU 的數據移動和訪問”。實現 RDMA 為外部數據源提供了對 GPU 內存的直接訪問。如果在醫學成像中沒有 RDMA,數據將進入 CPU 的內存,這可能會導致數據傳輸和延遲的進一步延遲。  

例如,涉及 RDMA 的一個用例是超聲成像。超聲波利用前端設備,例如 現場可編程門陣列 用於在數據到達其最終目的地 GPU 之前進行模數轉換。這代表了 FPGA 和 GPU 之間的大量通信。 RDMA 允許增加帶寬,從而提供超聲波所需的計算性能。 

錯過了會議?  

還有更多!希望我們很快會再次親自回來,否則,如果您錯過了最初的會議,您可以了解更多關於凌華科技的醫學影像技術 在這次談話中 或訪問我們 這裡

作者:贊恩·蔡
作者:贊恩·蔡

凌華科技嵌入式平台與模塊平台產品中心總監

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *