噼里啪啦免费观看高清完整版,销魂美女,,99er热精品视频,熟妇五十路六十路息与子

×
服務條款
服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容服務條款內容
首頁>企業新聞>企(qi)業新(xin)聞(wen)詳情
《CHIMA》：CPU也能加速AI？看匯醫慧影醫學影像系統的實戰收獲

文章來源：匯醫慧影

15/09

2021

轉自CHIMA
本文英特爾供稿



利用AI技術(shu)加快(kuai)醫(yi)(yi)(yi)學(xue)影(ying)像(xiang)分析速度，支持醫(yi)(yi)(yi)療(liao)(liao)機構完成從信息化(hua)向智能化(hua)的(de)(de)轉型(xing)，讓更多病患從智慧醫(yi)(yi)(yi)療(liao)(liao)技術(shu)的(de)(de)發展(zhan)中獲益，是匯醫(yi)(yi)(yi)慧影(ying)一直以來的(de)(de)目標和(he)愿景。通(tong)過引入第二代英特(te)爾?至強?可擴展(zhan)處(chu)理器(qi)、OpenVINO?工(gong)具套件以及面向英特(te)爾?架構優化(hua)的(de)(de)Python等(deng)領先軟(ruan)硬件產品(pin)和(he)技術(shu)，使我們醫(yi)(yi)(yi)學(xue)影(ying)像(xiang)解決(jue)方案的(de)(de)各個平臺的(de)(de)處(chu)理效率都(dou)獲得了顯(xian)著提升。
                                                                              ——匯醫慧影CEO&創始人 柴象飛

盡管有(you)多(duo)種多(duo)樣的檢測(ce)方式，但CT影(ying)像(xiang)依然(ran)是(shi)新冠檢測(ce)中更(geng)有(you)效的判斷依據(ju)。為了助力更加快(kuai)速和(he)精準地處理海(hai)量的影(ying)(ying)像數(shu)據，匯醫慧影(ying)(ying)在英特爾(er)軟硬件組合拳(quan)的幫助下，全面提(ti)升其全周期AI醫學影(ying)(ying)像解決方案的性能，在新型冠狀(zhuang)病毒肺炎篩(shai)查(cha)、乳腺癌(ai)檢(jian)測(ce)等多場景應用(yong)中(zhong)都成效顯著。

從2019年年底開(kai)始迅(xun)速擴散的(de)(de)新(xin)型冠狀病(bing)(bing)毒肺(fei)炎(COVID-19，以下簡稱“新(xin)冠肺(fei)炎”)疫情，對醫療機構的(de)(de)快(kuai)速診斷能(neng)力提出了(le)突如(ru)其來且非常嚴峻的(de)(de)挑戰，利用(yong)人工(gong)智(zhi)(zhi)能(neng)(ArtificialIntelligence，以下簡稱AI)方(fang)(fang)法開(kai)展醫學(xue)影像智(zhi)(zhi)能(neng)分(fen)析及輔助(zhu)診斷，是應(ying)對這一(yi)挑戰的(de)(de)有效方(fang)(fang)案。一(yi)直致(zhi)力于(yu)計算機視覺和(he)深度學(xue)習(xi)技術應(ying)用(yong)開(kai)發的(de)(de)匯醫慧(hui)影，就通過其自主研發的(de)(de)Dr.TuringAI平臺、Radcloud大數據智(zhi)(zhi)能(neng)分(fen)析云(yun)(yun)平臺以及Novacloud智(zhi)(zhi)慧(hui)影像云(yun)(yun)等產品，為眾(zhong)多醫療機構提供了(le)一(yi)套全周期、高性能(neng)的(de)(de)AI醫學(xue)影像解(jie)決方(fang)(fang)案，并將其成功應(ying)用(yong)于(yu)包括(kuo)新(xin)冠肺(fei)炎在(zai)內(nei)的(de)(de)數十種疾病(bing)(bing)的(de)(de)診療。

作為(wei)(wei)(wei)該方案中專攻醫(yi)(yi)(yi)學影(ying)像(xiang)輔助診(zhen)斷的(de)(de)前端(duan)先鋒，Dr.TuringAI平臺(tai)可為(wei)(wei)(wei)醫(yi)(yi)(yi)院(yuan)和(he)患(huan)者(zhe)提(ti)供10余種常(chang)見疾病的(de)(de)醫(yi)(yi)(yi)學影(ying)像(xiang)AI分析(xi)能(neng)(neng)力(li)，并(bing)提(ti)供結構化(hua)的(de)(de)報告(gao)；Novacloud智慧影(ying)像(xiang)云可通過基于(yu)云服(fu)(fu)務(wu)的(de)(de)端(duan)到(dao)端(duan)AI互動能(neng)(neng)力(li)，為(wei)(wei)(wei)醫(yi)(yi)(yi)、患(huan)和(he)醫(yi)(yi)(yi)院(yuan)的(de)(de)管理者(zhe)提(ti)供更為(wei)(wei)(wei)便捷(jie)的(de)(de)服(fu)(fu)務(wu)；Radcloud大數(shu)據(ju)智能(neng)(neng)分析(xi)云平臺(tai)作為(wei)(wei)(wei)醫(yi)(yi)(yi)療機(ji)構推(tui)進科(ke)研(yan)的(de)(de)重要助手，則能(neng)(neng)提(ti)供多(duo)樣(yang)化(hua)的(de)(de)影(ying)像(xiang)大數(shu)據(ju)科(ke)學分析(xi)能(neng)(neng)力(li)，可大大加快放射(she)組學等(deng)新(xin)技術在醫(yi)(yi)(yi)療行(xing)業的(de)(de)研(yan)發與落地(di)進程(cheng)。

為幫助匯(hui)醫(yi)慧(hui)影(ying)優(you)(you)化(hua)這一全周期AI醫(yi)學(xue)(xue)影(ying)像(xiang)解決方案的性能，英(ying)(ying)特(te)爾(er)(er)不僅提(ti)(ti)供(gong)了(le)(le)集成有英(ying)(ying)特(te)爾(er)(er)?深度學(xue)(xue)習(xi)加速(su)(su)(英(ying)(ying)特(te)爾(er)(er)?DLBoost)技(ji)術的第二代(dai)英(ying)(ying)特(te)爾(er)(er)?至(zhi)強?可擴展處理器，用作方案的核心計(ji)算引(yin)擎，還(huan)提(ti)(ti)供(gong)了(le)(le)OpenVINO?工具(ju)套件以及面(mian)向英(ying)(ying)特(te)爾(er)(er)?架(jia)構(gou)優(you)(you)化(hua)的Python等(deng)軟(ruan)件優(you)(you)化(hua)工具(ju)。得益(yi)于這些(xie)軟(ruan)硬(ying)件相互(hu)搭配、協作優(you)(you)化(hua)帶來的整體加速(su)(su)優(you)(you)勢，匯(hui)醫(yi)慧(hui)影(ying)Dr.TuringAI平(ping)臺(tai)(tai)在新冠(guan)肺(fei)炎篩查(cha)、乳腺癌檢測(ce)等(deng)影(ying)像(xiang)分析場景中的推理速(su)(su)度獲(huo)得了(le)(le)顯著提(ti)(ti)升(sheng)。同時，放射組學(xue)(xue)分析方案在優(you)(you)化(hua)后的Radcloud大數據(ju)智能分析云(yun)平(ping)臺(tai)(tai)的支持下，在處理效(xiao)率(lv)上也收獲(huo)了(le)(le)明(ming)顯的加速(su)(su)效(xiao)果。


匯(hui)醫慧影(ying)全周期AI醫學影(ying)像解決方案實現(xian)的應用優勢：

?在與(yu)新冠肺炎篩查(cha)相(xiang)關的肺部(bu)CT影像分析場景中，第二代英(ying)特爾?至強?可(ke)擴展處理器帶(dai)來(lai)的算(suan)力與(yu)OpenVINO?工具套件(jian)帶(dai)來(lai)的優化相(xiang)配合，可(ke)令Dr.TuringAI平臺的平均(jun)推理耗時縮短至原先(xian)的35%；

?在(zai)乳腺(xian)癌影像分析(xi)場景中，基于第二代(dai)英特(te)爾(er)?至強?可(ke)擴(kuo)展處理(li)器，及其集成的英特(te)爾(er)?深度(du)學習加速(su)技術提供的INT8推理(li)加速(su)，在(zai)Dr.TuringAI平臺上構建的檢測(ce)模(mo)型在(zai)采用OpenVINO?工具套件進行轉換和優(you)化后，其推理(li)速(su)度(du)較(jiao)原始方案(an)提升高達8.24倍，且精(jing)確度(du)損失不到(dao)0.17%；

?通(tong)過使用面向(xiang)英特爾?架構優化(hua)的(de)Python，并結合第二代英特爾?至強?可擴展處(chu)理器提供的(de)算力支持，放射組學(xue)分(fen)析方案(an)在基于(yu)Radcloud大(da)數據智(zhi)能(neng)分(fen)析云平(ping)臺的(de)醫療科研(yan)平(ping)臺上的(de)推理速度(du)，實現了多達2.08倍至2.12倍不(bu)等的(de)提升(sheng)。

新冠肺炎的(de)突然爆(bao)發和大規模(mo)流(liu)行，對于(yu)中國(guo)及全球醫(yi)療機構(gou)而言，是一(yi)個在(zai)速度和烈度上都堪(kan)稱(cheng)嚴(yan)峻的(de)挑(tiao)戰。

控制新(xin)冠(guan)疫情(qing)的(de)原則，和預防及控制其他(ta)傳染病基本(ben)一致，即遵循“三早(zao)(zao)原則”——早(zao)(zao)發現、早(zao)(zao)診斷(duan)(duan)、早(zao)(zao)治(zhi)療(liao)。其中，“早(zao)(zao)發現”或者說“早(zao)(zao)診斷(duan)(duan)”是將被感(gan)染者從疑似(si)人群中及時辨識(shi)出(chu)來(lai)，并盡早(zao)(zao)進行(xing)后(hou)續隔離治(zhi)療(liao)的(de)關鍵步(bu)驟(zou)。如圖一所示，在實(shi)踐中，中國醫(yi)療(liao)機構普(pu)遍以核(he)酸試劑(ji)檢測(圖一左)為(wei)主(zhu)要診斷(duan)(duan)方式，以肺部CT 影像檢查(cha)(圖一右)為(wei)輔(fu)助方式，來(lai)對新(xin)冠(guan)肺炎(yan)進行(xing)篩(shai)查(cha)診斷(duan)(duan)。

圖一 新冠(guan)肺炎篩查(cha)診斷方(fang)法圖示

核(he)酸(suan)檢(jian)(jian)測(ce)雖有便捷(jie)的優勢(shi)，但其會受樣(yang)本病毒含量、病毒是(shi)否(fou)變(bian)異、病毒核(he)酸(suan)是(shi)否(fou)有效提取(qu)，以及樣(yang)本是(shi)否(fou)合理(li)保存等因(yin)素的影(ying)響(xiang)，存在(zai)(zai)一(yi)定(ding)概(gai)率的檢(jian)(jian)測(ce)結果誤判，即呈“假(jia)陰性(xing)”。肺部CT影(ying)像檢(jian)(jian)查是(shi)通(tong)過分析肺部真實影(ying)像來判別(bie)患(huan)者(zhe)(zhe)肺部是(shi)否(fou)出現(xian)病變(bian)，因(yin)此在(zai)(zai)對早期(qi)新(xin)冠(guan)肺炎癥狀的檢(jian)(jian)測(ce)敏(min)(min)感度(du)上(shang)，要優于核(he)酸(suan)檢(jian)(jian)測(ce)。一(yi)項數據(ju)表明，在(zai)(zai)51例患(huan)者(zhe)(zhe)的檢(jian)(jian)測(ce)結果中(zhong)，肺部CT影(ying)像檢(jian)(jian)測(ce)對于新(xin)冠(guan)肺炎的靈敏(min)(min)度(du)為98%，遠高于核(he)酸(suan)檢(jian)(jian)測(ce)(反(fan)轉錄-聚(ju)合酶鏈反(fan)應方法)71%的靈敏(min)(min)度(du)。

不(bu)(bu)過，肺部CT影像檢查這一方法的應(ying)用“門檻”，要遠(yuan)高(gao)于(yu)核酸檢測，它(ta)不(bu)(bu)僅需(xu)要醫生具(ju)有專業的CT影像分(fen)析能力，也需(xu)要對新冠(guan)肺炎征象有敏銳的臨床判(pan)斷力。例如(ru)，新冠(guan)肺炎的典型征象之一——肺(fei)部磨玻璃影，同時也是多種(zhong)肺(fei)炎、病(bing)原體感染的(de)重要征象。因此，醫生在(zai)分(fen)析傳統二維的(de)CT影像時，往往需要反復比對判讀(du)。遇到更復雜的(de)情(qing)(qing)況時，可能還(huan)需進行多科室(shi)會(hui)診。在(zai)疫(yi)情(qing)(qing)出現爆發的(de)情(qing)(qing)況下(xia)，這種(zhong)應(ying)對方式顯然會(hui)造成疫(yi)情(qing)(qing)防控上的(de)延誤(wu)。

為(wei)破解這一(yi)難題，讓肺部(bu)CT影(ying)像(xiang)檢查在疫情防控中(zhong)發揮更(geng)及時(shi)、更(geng)重要(yao)的(de)(de)作(zuo)用，作(zuo)為(wei)全(quan)球醫(yi)學影(ying)像(xiang)AI應(ying)用研發領跑者的(de)(de)匯醫(yi)慧影(ying)，開始出動(dong)Dr.TuringAI平(ping)臺作(zuo)為(wei)抗疫先鋒(feng)，來推動(dong)新冠肺炎的(de)(de)快速篩查。

軟硬協同優化提升新冠肺炎篩查速度


作為匯醫(yi)(yi)慧影全周期AI醫(yi)(yi)學影像(xiang)解決方(fang)案(an)中(zhong)專(zhuan)攻AI醫(yi)(yi)學影像(xiang)輔助(zhu)(zhu)(zhu)診(zhen)(zhen)斷(duan)的平臺(tai)，Dr.TuringAI平臺(tai)可(ke)為醫(yi)(yi)院(yuan)(yuan)和患(huan)(huan)者(zhe)提供(gong)“多病種(zhong)AI輔助(zhu)(zhu)(zhu)應用”及“結構(gou)化(hua)(hua)(hua)報告”兩大(da)主要功能(neng)。它不僅可(ke)提供(gong)10余種(zhong)常見疾(ji)病的AI輔助(zhu)(zhu)(zhu)診(zhen)(zhen)療能(neng)力，也能(neng)實現自動化(hua)(hua)(hua)病灶分(fen)割(ge)、檢測和測量，并輸出帶有**-RADS分(fen)級等信息的AI結構(gou)化(hua)(hua)(hua)報告，在(zai)幫助(zhu)(zhu)(zhu)醫(yi)(yi)院(yuan)(yuan)提升診(zhen)(zhen)療效率之(zhi)余，也能(neng)助(zhu)(zhu)(zhu)患(huan)(huan)者(zhe)獲(huo)得更精準的診(zhen)(zhen)療方(fang)案(an)。

雖然(ran)Dr.TuringAI平臺已(yi)久經考驗，但在面(mian)對(dui)新冠肺(fei)炎(yan)的(de)(de)篩查任務時，還是(shi)需要(yao)進(jin)(jin)行一些(xie)有針對(dui)性的(de)(de)優化升級。這些(xie)優化升級如圖二(er)所示，包括：一方面(mian)，平臺需要(yao)通過收(shou)集大(da)量(liang)(liang)新冠肺(fei)炎(yan)數據，由(you)專業醫生進(jin)(jin)行標注(zhu)后，再結合(he)平臺內置(zhi)的(de)(de)深(shen)度(du)學習(xi)算(suan)法，實(shi)現對(dui)肺(fei)炎(yan)病(bing)(bing)灶(zao)區的(de)(de)精準(zhun)分(fen)割和測(ce)量(liang)(liang)；另一方面(mian)，平臺也(ye)需要(yao)結合(he)InceptionV4、InceptionResNetV2等深(shen)度(du)學習(xi)算(suan)法模型，將原本二(er)維的(de)(de)CT切片進(jin)(jin)行一系列的(de)(de)“三維”重構，更加清晰直觀地反映出(chu)病(bing)(bing)灶(zao)的(de)(de)位置(zhi)、尺寸、面(mian)積變化以危重程度(du)等量(liang)(liang)化數據，為(wei)醫生提供更全面(mian)的(de)(de)病(bing)(bing)理圖像分(fen)析，從而幫助他們更快、更準(zhun)確地進(jin)(jin)行綜合(he)研判。
圖二(er) 基于匯醫慧(hui)影Dr.TuringAI平臺的新冠肺炎篩查

上述調整雖然更適用于新冠肺炎的(de)(de)(de)CT篩查，但也會讓Dr.TuringAI平臺執行推(tui)(tui)理(li)(li)(li)等過程(cheng)的(de)(de)(de)計(ji)算量和復雜度(du)急(ji)劇增加(jia)。為了(le)(le)在這種情況(kuang)下確保令人滿意(yi)的(de)(de)(de)推(tui)(tui)理(li)(li)(li)性(xing)能，匯醫慧影與英特爾一起，在借助第二代英特爾?至(zhi)強(qiang)?可擴展處理(li)(li)(li)器實現(xian)更強(qiang)算力支持的(de)(de)(de)同時，還引入了(le)(le)OpenVINO?工(gong)具套(tao)(tao)件，使(shi)用其(qi)內置(zhi)的(de)(de)(de)優(you)(you)(you)化工(gong)具，將已有的(de)(de)(de)、通(tong)過Pytorch深(shen)度(du)學習(xi)框架構建的(de)(de)(de)NestedU-Net和HR-Net網絡模型轉換為可利用OpenVINO?工(gong)具套(tao)(tao)件加(jia)速的(de)(de)(de)模型，并使(shi)用該(gai)工(gong)具套(tao)(tao)件提供的(de)(de)(de)推(tui)(tui)理(li)(li)(li)引擎對(dui)整個管道(dao)(pipeline)進(jin)行了(le)(le)更新。后(hou)續(xu)進(jin)行的(de)(de)(de)基準(zhun)測試(shi)如(ru)圖三所示，相(xiang)比優(you)(you)(you)化前用時長(chang)達(da)140.3秒(miao)，調優(you)(you)(you)后(hou)的(de)(de)(de)每數據樣(yang)本的(de)(de)(de)推(tui)(tui)理(li)(li)(li)時長(chang)僅為48.47秒(miao)，平均(jun)推(tui)(tui)理(li)(li)(li)耗(hao)時縮(suo)短至(zhi)原先的(de)(de)(de)35%，或者說，其(qi)平均(jun)推(tui)(tui)理(li)(li)(li)性(xing)能提升高達(da)2.89倍(bei)。

圖三 使用OpenVINO?工具(ju)套(tao)件對新冠肺炎(yan)CT檢(jian)測模型進行優化前后的效果對比(bi)

這(zhe)樣的(de)性能提升(sheng)成(cheng)果，可(ke)令新(xin)冠肺炎CT影像的(de)篩查(cha)速度(du)實現大幅提升(sheng)。而事實上，這(zhe)已經(jing)不(bu)是Dr.TuringAI平(ping)臺首次從英特爾這(zhe)一(yi)軟一(yi)硬、協同(tong)優(you)化的(de)組(zu)合(he)中獲取如此強勁的(de)AI加速支(zhi)持了。此前(qian)匯醫慧(hui)影在該平(ping)臺上構建(jian)以ResNet50卷積網絡模型作為(wei)基礎網絡(Backbone)的(de)RetinaNet目標檢測模型，來對乳腺癌(ai)影像實施(shi)模型訓練(lian)及(ji)推理時，就曾(ceng)使用(yong)過(guo)這(zhe)對構成(cheng)英特爾?至強?平(ping)臺AI加速技術核心的(de)組(zu)合(he)。

由于(yu)OpenVINO?工具套(tao)件內置有多種優(you)(you)化(hua)(hua)工具和(he)預訓練模(mo)型，且能對已訓練好的(de)模(mo)型進行壓縮和(he)加(jia)速(su)等優(you)(you)化(hua)(hua)，來(lai)提升模(mo)型推(tui)理速(su)度(du)，因(yin)而匯醫慧影當時的(de)優(you)(you)化(hua)(hua)手段，如圖四所(suo)示，是先使用它優(you)(you)化(hua)(hua)用于(yu)乳腺(xian)癌(ai)檢測的(de)FP32模(mo)型，優(you)(you)化(hua)(hua)后(hou)的(de)模(mo)型在(zai)推(tui)理速(su)度(du)上達到了原(yuan)始(shi)模(mo)(mo)型的3.02倍；繼(ji)而，匯醫慧影又借(jie)助OpenVINO?工具套件(jian),將上述FP32模(mo)(mo)型轉換成(cheng)INT8模(mo)(mo)型，在確保(bao)模(mo)(mo)型精確度只受輕(qing)微影響的情況下，啟(qi)用第二代英(ying)特(te)(te)爾?至強(qiang)?可擴展(zhan)處理器集成(cheng)的英(ying)特(te)(te)爾?深度學習加(jia)(jia)速技術對(dui)于INT8提供的特(te)(te)定加(jia)(jia)速支持(chi)，將其推理速度進一步(bu)提升達初始(shi)模(mo)(mo)型的8.24倍，且精度損失還不(bu)到0.17%。



圖四 使(shi)用OpenVINO?工(gong)具套件對乳腺癌檢測模(mo)型進行(xing)優化前后的效(xiao)果對比

不論(lun)是對新(xin)冠肺炎CT影(ying)像篩(shai)查的(de)(de)加速，還是對乳腺癌AI檢測模型的(de)(de)性能優(you)化，它們的(de)(de)成功(gong)都足(zu)以證(zheng)明(ming)：第二(er)代英(ying)特爾?至強?可(ke)擴展處(chu)理器與OpenVINO?工具套件的(de)(de)引(yin)入和搭配，可(ke)以在(zai)醫學影(ying)像分析場景中發揮出“1+1>2”的(de)(de)功(gong)效(xiao)。它們也表(biao)明(ming)，在(zai)眾多醫療(liao)機構既有的(de)(de)、基(ji)于(yu)CPU的(de)(de)IT基(ji)礎設施上部(bu)署和運行(xing)醫學影(ying)像類(lei)的(de)(de)AI應(ying)用，不僅可(ke)行(xing)，而且高效(xiao)。

打造全周期AI醫學影像解決方案


Dr.TuringAI平臺在新冠肺炎(yan)等(deng)疾(ji)病(bing)檢(jian)測，或者說輔助(zhu)診斷上的優異表現，是匯醫(yi)(yi)慧影與英特爾(er)等(deng)合作伙伴一起，通過協作創新助(zhu)力醫(yi)(yi)療機(ji)構從(cong)信息化向智能化轉型的又一抹亮色。

這(zhe)一轉型，也確實至關重(zhong)要。雖說醫(yi)(yi)療(liao)(liao)信(xin)息(xi)化的(de)(de)全面鋪開，讓各(ge)類醫(yi)(yi)療(liao)(liao)設(she)備和醫(yi)(yi)用信(xin)息(xi)系統，尤其是醫(yi)(yi)學影像(xiang)設(she)備的(de)(de)應用越(yue)(yue)來(lai)越(yue)(yue)普及，使之(zhi)成為了各(ge)醫(yi)(yi)療(liao)(liao)機(ji)構(gou)(gou)、醫(yi)(yi)學科研部門的(de)(de)重(zhong)要助手(shou)，甚至造就了“臨床(chuang)上(shang)有超過70%的(de)(de)診(zhen)斷有賴于醫(yi)(yi)學影像(xiang)提供(gong)支持”的(de)(de)重(zhong)要成果(guo)，但僅有信(xin)息(xi)化策略(lve)推動的(de)(de)硬件(jian)設(she)施普及，對提升醫(yi)(yi)療(liao)(liao)機(ji)構(gou)(gou)診(zhen)療(liao)(liao)水(shui)平來(lai)說還是遠(yuan)遠(yuan)不夠的(de)(de)。在(zai)大眾真實的(de)(de)就醫(yi)(yi)體驗中，常會發現(xian)在(zai)肺(fei)結節(jie)、乳腺癌、前(qian)列腺癌、骨折(zhe)等(deng)一些醫(yi)(yi)療(liao)(liao)資源相對緊張(zhang)的(de)(de)病種診(zhen)斷上(shang)，長時間排隊等(deng)候、影像(xiang)分(fen)析(xi)誤判的(de)(de)情況仍是屢(lv)見不鮮。

究(jiu)其原因，是因為醫(yi)學(xue)(xue)影像(xiang)分析不(bu)僅(jin)需要設(she)備(bei)就位，更需要使用這些(xie)設(she)備(bei)的醫(yi)生能夠(gou)熟練掌握臨床醫(yi)學(xue)(xue)、放射學(xue)(xue)、醫(yi)學(xue)(xue)影像(xiang)學等方面的(de)專業(ye)知識(shi)和技能，也需要他們能夠充分(fen)運用各種(zhong)影像分(fen)析技術(shu)，對疾病進行(xing)輔助診斷。而有以(yi)上綜合(he)能力(li)的(de)醫生(sheng)，即便在(zai)大醫院也是相對缺(que)乏的(de)。
圖五 多場景化部署的匯醫慧影AI醫學影像解決方案

而這也正是眾多醫療機構在完成(cheng)初步(bu)的(de)信息化建設之(zhi)后，就希望進(jin)一(yi)步(bu)借助(zhu)AI、大(da)(da)數據(ju)、云(yun)計算(suan)等新興技術手(shou)段(duan)來完 成(cheng)智能(neng)化轉型(xing)的(de)目的(de)所在。如圖五所示(shi)，這也是匯醫慧影以(yi)旗下Dr.TuringAI平臺(tai)(tai)、Novacloud智慧影像(xiang)云(yun)及Radcloud大(da)(da)數據(ju)智能(neng)分析云(yun)平臺(tai)(tai)等領(ling)先產(chan)品為抓手(shou)，通過公有云(yun)、私有云(yun)或AI一(yi)體機等多場景部署方(fang)式，為醫療機構提(ti)供全周期、高性能(neng)和(he)智能(neng)化AI醫學影像(xiang)解決(jue)方(fang)案(an)的(de)初衷。

如果(guo)說Dr.TuringAI平臺提(ti)(ti)供(gong)(gong)的是高效、便捷(jie)的前(qian)端醫(yi)學影像(xiang)(xiang)AI分(fen)析和(he)輔助診斷(duan)能力，那么Novacloud智慧影像(xiang)(xiang)云擔當的角(jiao)色，就(jiu)是為(wei)醫(yi)療(liao)機構和(he)患(huan)者(zhe)提(ti)(ti)供(gong)(gong)基(ji)于云服務的端到端 AI互動(dong)能力。如圖(tu)六所示，在醫(yi)生(sheng)側(ce)，結合(he)Dr.TuringAI平臺，影像(xiang)(xiang)云可(ke)提(ti)(ti)供(gong)(gong)多終端AI閱片、遠(yuan)程會(hui)診、轉診等功能；在患(huan)者(zhe)側(ce)，影像(xiang)(xiang)云能夠提(ti)(ti)供(gong)(gong)基(ji)于自然(ran)語言處理(NaturalLanguageProcessing，NLP)技術的智能報告解(jie)讀、遠(yuan)程專家咨詢及多終端影像(xiang)(xiang)閱覽等功能；而對醫(yi)療(liao)機構來說，影像(xiang)(xiang)云不僅能對Radcloud大數據智能分(fen)析云平臺提(ti)(ti)供(gong)(gong)支(zhi)持，也可(ke)讓管理者(zhe)以管理駕駛(shi)艙(cang)的模式，對診療(liao)、科研進度獲(huo)得(de)更直觀的了解(jie)，并(bing)支(zhi)持其對相關策略和(he)計(ji)劃進行調(diao)整。
圖(tu)六 打(da)通全周(zhou)期(qi)AI醫療影像解決方(fang)案的(de)Novacloud智慧影像云

優化版Python改善醫療科研
工作效率


如前文所(suo)述，與Dr.TuringAI平(ping)臺、Novacloud智慧(hui)影像(xiang)云并(bing)列為匯醫(yi)慧(hui)影全(quan)周期(qi)AI醫(yi)學影像(xiang)解決(jue)方(fang)案(an)支柱的(de)，還有Radcloud大數據智能(neng)分析云平(ping)臺，它的(de)主要任(ren)務(wu)是(shi)承載醫(yi)療機構(gou)的(de)科(ke)研工作(zuo)。

目前(qian)眾多醫(yi)療(liao)機(ji)構(gou)都在利用CT、MRI、PET等(deng)醫(yi)學(xue)(xue)影像(xiang)，通過放(fang)射組(zu)學(xue)(xue)等(deng)新(xin)技術(shu)開(kai)展癌癥等(deng)惡性疾(ji)病的早期發(fa)現和防(fang)治。作為開(kai)發(fa)放(fang)射組(zu)學(xue)(xue)解決(jue)方(fang)案的領先企業，匯醫(yi)慧影就正(zheng)以(yi)Radcloud大數(shu)據(ju)智能分(fen)析云(yun)平臺(tai)等(deng)產品為基礎，為醫(yi)療(liao)機(ji)構(gou)提供“全周期”、“一(yi)鍵(jian)式”的影像(xiang)大數(shu)據(ju)科學(xue)(xue)分(fen)析能力，以(yi)加速放(fang)射組(zu)學(xue)(xue)等(deng)新(xin)技術(shu)在醫(yi)療(liao)行(xing)業的科研和應用進程。

要(yao)進(jin)一步了解(jie)Radcloud大數(shu)(shu)據(ju)智能分析云平臺在放射(she)組(zu)學(xue)(xue)(xue)科研項(xiang)目(mu)中發揮的(de)作用，就(jiu)要(yao)先了解(jie)什么是(shi)放射(she)組(zu)學(xue)(xue)(xue)。簡(jian)而言(yan)之，它就(jiu)是(shi)通過(guo)將醫學(xue)(xue)(xue)影像轉換為(wei)可(ke)挖掘(jue)的(de)高通量影像特(te)征數(shu)(shu)據(ju)，并使(shi)用特(te)定方法(fa)，篩選出最(zui)有(you)價值的(de)影像組(zu)學(xue)(xue)(xue)特(te)征，進(jin)而再通過(guo)AI模型(xing)訓練，建立起具(ju)有(you)診(zhen)斷(duan)、預后(hou)或預測價值的(de)模型(xing)，最(zui)終為(wei)精(jing)準化、個體化診(zhen)療(liao)提供有(you)效(xiao)支(zhi)持。


圖七(qi) 放射組學基本(ben)分析流程

如(ru)圖七所示，放射組學的(de)基(ji)本(ben)流程可分為數據收集、VOI分割、特(te)(te)征提(ti)取、特(te)(te)征選擇、模(mo)型(xing)訓練以及模(mo)型(xing)評價及預(yu)(yu)測等步(bu)驟。為了更好(hao)地(di)辨識醫學影像中(zhong)(zhong)的(de)細節，平臺(tai)在(zai)特(te)(te)征提(ti)取步(bu)驟中(zhong)(zhong)會(hui)(hui)(hui)盡可能地(di)提(ti)取更多數據特(te)(te)征，因此平臺(tai)可能會(hui)(hui)(hui)面對“維度(du)災難”等問(wen)題，即指在(zai)樣(yang)本(ben)量一定的(de)情(qing)況下，隨(sui)著輸入維度(du)的(de)增加(jia)，空間(jian)數據會(hui)(hui)(hui)變得更為稀疏，這會(hui)(hui)(hui)嚴重影響模(mo)型(xing)的(de)預(yu)(yu)測效果，并(bing)大(da)幅增加(jia)平臺(tai)計算量，帶來推理效率的(de)下降。

為應對這一(yi)問題，匯醫慧影與(yu)英特(te)(te)(te)爾(er)一(yi)起，選(xuan)擇LASSOCV、PCA等特(te)(te)(te)征選(xuan)擇算(suan)(suan)法，來有效(xiao)預防科(ke)研平(ping)臺(tai)可(ke)能面(mian)臨的(de)維度災難，并幫(bang)助平(ping)臺(tai)在(zai)壓縮數據的(de)同時(shi)保持(chi)信息損失最小化。為提升(sheng)這些特(te)(te)(te)征選(xuan)擇算(suan)(suan)法的(de)效(xiao)率，科(ke)研平(ping)臺(tai)不僅(jin)引入(ru)了第二代英特(te)(te)(te)爾(er)?至強?可(ke)擴(kuo)展(zhan)處理器作為算(suan)(suan)力基石，還加(jia)持(chi)以面(mian)向英特(te)(te)(te)爾(er)?架構優化的(de)Python，來全面(mian)調優其運行效(xiao)率。

與原生版的(de)Python相比，面向(xiang)英特爾?架構(gou)優化(hua)(hua)的(de)Python內置最(zui)新的(de)矢量化(hua)(hua)指令(ling)，支(zhi)持更(geng)多元化(hua)(hua)的(de)英特爾?性能庫(ku)(如英特(te)(te)爾?MKL)，同時也對(dui)重要(yao)的第三方AI知(zhi)識庫sklearn庫有著(zhu)良好的支持，使平臺特(te)(te)征選(xuan)擇的執行效率獲得了(le)顯著(zhu)提升。

算法優(you)化后的(de)(de)效(xiao)果如(ru)圖(tu)八(ba)所示，其左(zuo)圖(tu)反映(ying)了勾(gou)選全(quan)部(bu)放射(she)組學特(te)征，采(cai)用(yong)K-Fold10交叉驗證的(de)(de)LASSOCV算法工作負(fu)載，采(cai)用(yong)面(mian)向英特(te)爾?架構(gou)優(you)化的(de)(de)Python后，其執(zhi)(zhi)行速度是采(cai)用(yong)原生(sheng)Python時的(de)(de)2.12倍；其右圖(tu)則反映(ying)了勾(gou)選全(quan)部(bu)放射(she)組學特(te)征，采(cai)用(yong)K-Fold10交叉驗證的(de)(de)LASSOCV+PCA算法工作負(fu)載，采(cai)用(yong)面(mian)向英特(te)爾?架構(gou)優(you)化的(de)(de)Python后，其執(zhi)(zhi)行速度是采(cai)用(yong)原生(sheng)Python時的(de)(de)2.08倍。


圖八 使用面向英特爾?架構優化的Python與使用(yong)原生(sheng)Python時的性能(neng)對(dui)比

基(ji)于(yu)英特(te)爾?至強?平臺上述軟硬件融合(he)輸出的(de)AI加(jia)速能力，匯(hui)醫慧影(ying)Radcloud大數據智能分析云平臺已被(bei)引(yin)入20余種疾(ji)病的(de)研(yan)究，并成功申報20余項基(ji)金課題。更(geng)值得一提的(de)是，平臺基(ji)于(yu)放射(she)組(zu)學的(de)AI方案也被(bei)用(yong)于(yu)新冠肺(fei)炎的(de)精準(zhun)鑒(jian)別和(he)診斷，并在實踐中獲得了用(yong)戶的(de)良好反饋。

未來展望


隨著AI、大數據等新技(ji)(ji)術的(de)落地(di)與(yu)持續(xu)創(chuang)(chuang)新，整個醫療(liao)行業正(zheng)在它們的(de)驅動下(xia)迎來(lai)巨(ju)變，尤(you)其是(shi)通過引入創(chuang)(chuang)新的(de)AI醫學影(ying)像解(jie)決方案，很多傳統意義上(shang)的(de)疑(yi)難雜癥，乃(nai)至絕癥正(zheng)在被一一攻克(ke)，以往會帶來(lai)巨(ju)大災(zai)難的(de)傳染病，也開始在新技(ji)(ji)術、新平臺的(de)幫(bang)助下(xia)實(shi)現更為(wei)高(gao)效的(de)防控。

面向未來(lai)，英特爾還將與(yu)匯醫慧(hui)影等合(he)作(zuo)伙(huo)伴一起，推動(dong)更(geng)(geng)多領(ling)先產(chan)品(pin)技(ji)術(shu)、尤其是與(yu)AI和數據分析相(xiang)關的產(chan)品(pin)技(ji)術(shu)與(yu)醫療(liao)(liao)行業(ye)應(ying)用需求的深(shen)度融合(he)，從而進(jin)一步加(jia)速醫療(liao)(liao)機(ji)構(gou)從信息化到智能化的轉型，進(jin)而打造出更(geng)(geng)多樣化、也更(geng)(geng)有價值(zhi)的智慧(hui)醫療(liao)(liao)解決方案(an)，造福全民健康事業(ye)。