NVIDIA TeslaP100 加速提高医疗效率和诊断准确率

上海交通大学某院系课题组与本市三甲医院合作,希望通过利用NVIDIA Tesla® P100 GPU加速医疗行业目前比较关注的医疗效率和诊断准确率的问题。通过测试研发发现,通过NVIDIA Tesla® GPU显著降低了训练及前台推理判断时间,对医院机构每天的医疗效率及诊断准确率的提升起到了明显的改善。

医疗影像检测的现状及挑战

我国人口基数大,每年都有无数的人走进放射科,目前放射科的医生增长速度远远没有赶上检测人数的增长速度,放射医生诊断1名患者的CT扫描图像需要10~20分钟,写诊断报告需要10分钟左右,对于影像识别机构来说,缺乏足够的医生来进行影像判读的工作。所以各大医院放射科和第三方医学影像中心的医生都会不间断的诊断医学影像,长时间的高压工作会使得放射科医生有漏诊或者误诊的潜在风险,因此通过什么样的科技手段提高放射科工作效率成为了很多医院的心病。

第一部分是患者在放射科拍摄影像片(X线片、CT、MRI等),这一过程是由放射科技师操作各类机器完成,包括参数设定、扫描、图像处理等,有点类似摄影师拍照,只不过操作的机器更巨大。

第二部分是影像判读,诊断医生在医用竖屏显示器上调阅影像图片,逐幅观察图片(一般普通、常规情况,一名患者的图片在80幅-320幅之间,如果是本院多次就诊患者,还需要调阅既往影像图片,作出对比,图片量倍增),寻找发现问题;然后按照要求进行描述,哪些结构正常,哪些结构异常,如何异常;之后结合检查申请单上的临床症状(有时临床科室没有提供)作出“影像诊断”,通俗的说,就是考虑可能是什么疾病,或者倾向什么疾病。

Tesla® P100 GPU 提高医疗效率准确率

人工智能(AI)最大的特点就是学习快,准确的讲就是让机器有思维,能判断,AI的终极目标就是机器可以自己思考,自我进化。丽台科技凭借在高性能计算领域积累的丰富经验同时结合客户的实际算力需求,推荐了Leadtek WS2020 Rack-mounted HPC Server GPU高性能计算平台,配合2块 NVIDIA Tesla® P100 显卡以及NV-Link模块的超级深度学习机对海量医生临床数据来训练医疗诊断模型,由于其强大的计算能力(单精度高达9.3T)以及HBM2显存带宽( 732GB/s ),加上基于深度学习的人工智能模型,拥有随机参数的深度神经网络医学模型,然后把经过标注的数据对模型进行训练,出现误差后调整模型参数,再辅助以医学知识,通过大量的训练之后形成精准的医学辅助诊断模型,从而达到快速准确地完成医学影像的判读目的,同时大大降低了X线片、CT、MRI等仪器对人体扫描的辐射危害。从而为各大医疗机构关心的医疗效率及诊断准确率带来了很客观的提升。

人工智能助力医学发展

如今的人工智能(AI)已经可以为医学解决具体的医学问题,并且已经取得了巨大的进展,比如斯坦福大学已经可以成功分辨皮肤癌,中国Airdoc识别糖尿病性视网膜病变能力已经和三甲眼科医生相当,美国的Arterys公司旗下的产品Arterys Cardio DL获得FDA批准,人工智能应用在医疗领域已经是个趋势。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180530F1E73S00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券