Содержание |
2022: Выпущена КТ-платформа, позволяющая заглянуть внутрь сосудов для лечения болезней сердца
В конце февраля 2022 года Dyad Medical объявила о выходе на рынок своей платформы для анализа кардиологических изображений Libby IAAA. Платформа использует количественную оценку изображений внутрисосудистой оптической когерентной томографии. Подробнее здесь.
2018: Philips использует процессоры Xeon для многократного ускорения анализа КТ-снимков
14 августа 2018 года компания Philips Healthcare опубликовала результаты испытаний алгоритмов машинного обучения, проведенных на процессорах Intel Xeon Scalable с пакетом программ OpenVINO для автоматического распознавания динамических изображений. Исследователи оценивали алгоритмы двух видов: один для моделирования изменений структуры костей с возрастом по рентгенологическим снимках, а другой – для определения границ сегментов легких по снимкам компьютерной томографии.
Использование процессора Intel Xeon Scalable обеспечило ускорение анализа рентгенологических снимков в 188 раз (исходный результат 1,42 изображения в секунду, полученный - 267,1 изображений в секунду). Скорость анализа для модели сегментации легкого возросла в 38 раз - алгоритм обрабатывал 71,7 изображений в секунду, тогда как ранее скорость обработки составляла 1,9 изображений в секунду.
До недавнего времени для ускорения глубокого обучения использовалось только одно средство – улучшение характеристик графического процессора. Эти процессоры отлично работают с изображениями, но при создании некоторых моделей исследователям приходится учитывать встроенные ограничения памяти.
Центральные процессоры - в данном случае процессоры Intel Xeon Scalable - не имеют таких ограничений памяти и могут выполнять сложные, гибридные алгоритмы, в том числе работать с более крупными, интенсивно использующими оперативную память моделями, обычно применяющимися в области медицинской визуализации. При анализе крупных подмножеств с использованием ИИ процессоры Intel Xeon Scalable лучше удовлетворяют потребности исследователей, чем системы на основе графических процессоров.
Использование центральных процессоров для анализа данных методом глубокого обучения несет прямую выгоду для таких компаний, как Philips, поскольку позволяет им предлагать услуги на основе искусственного интеллекта, не повышая затраты конечных пользователей.[1]
Примечания
