使用AI技术改进医学成像

使用AI技术改进医学成像

　　医疗（有时称为医疗保健）影响着每个人，特别是因为我们的人口老龄化。最新的硬件在性能方面为聚会带来了很多，以解决高响应性、显着更好的准确性和改进的成像能力的需求。最重要的是，GPU 计算有能力加速和改进医学成像，以帮助医疗专业人员做出更好更快的决策。

　　得益于NVIDIA在 GPU 技术方面的进步，该行业正在见证医学图像重建方式的演变。迈出下一步，实际实施 NVIDIA 技术，是凌华科技大放异彩的地方。实际上，该 GPU 可以将信号转换为 2D 或 3D 图像，这需要一系列复杂的计算。

　　GPU 解决方案允许智能视频分析 （IVA），它获取视频数据并将其转化为可 *** 作的见解。就其本身而言，凌华科技专注于边缘计算。使用 GPU 加速边缘计算可提高图像质量、加速图像构建并执行图像分析，以帮助医疗专业人员治疗患者。归根结底，凌华科技正在让医学影像在临床实践和外科手术中得到更广泛的应用。

　　很明显，没有一家公司拥有所有 IP 来打造一个成功的平台。凌华科技和 NVIDIA 之间的合作伙伴关系实现了可扩展性和面向未来的发展。GPU——NVIDIA 的专长——显然在医学成像中发挥着重要作用，尤其是在公司的 GPU 架构及其各种软件堆栈方面。凌华科技的嵌入式移动 PCI express 模块 （MXM） 和 GPU 计算平台由 NVIDIA GPU 提供支持，可为现在和未来的这些增强型成像应用程序提供计算加速。

　　医学影像的挑战

　　一种经过时间考验的定制医疗应用平台的方法是使用模块。这些模块可以容纳任何种类的处理器以适应特定的应用。对于此处提及的应用，凌华科技的嵌入式 MXM GPU 模块能够提升传统 CPU 无法实现的性能，包括图像处理和分析、计算加速和人工智能。

　　该公司最新的 MXM GPU 模块采用 NVIDIA Turing 架构设计，将 CUDA 核心、RT 核心和 Tensor 核心集成在一个 GPU 中。例如，EGX-MXM-RTX3000 模块采用先进的 NVIDIA Turing GPU 技术，采用 MXM 3.1 Type B 外形尺寸，尺寸仅为全长 PCI Express 图形 （PEG） 卡的四分之一。MXM GPU 模块的总图形功率从 80 W 开始，适用于尺寸、重量和功率受限的关键任务医学成像应用，例如 C 形臂和其他移动设备。

　　还要记住，与工业应用一样，医疗领域也在寻求其产品的寿命。两到五年并不少见，我们经常看到一个平台需要 10 年的支持。因此，凌华科技正在使用 NVIDIA 的嵌入式 GPU 解决方案设计这些系统，让客户相信将获得更长的使用寿命支持。

　　RDMA 救援

　　最后，在最新的凌华科技系统中实现的一项功能是 NVIDIA 的GPUDirect Remote DMA （RDMA）。在医学成像应用中，GPUDirect RDMA 让外部数据源可以直接访问 GPU 的内存。如果没有此功能，数据将在到达 GPU 之前被复制到 CPU 的内存中，从而不必要地增加数据传输延迟和延迟。

　　RDMA 的一个典型用例是超声波。在大多数情况下，超声波利用 FPGA 等前端设备在数据到达 GPU 之前进行模数转换。这可能是 FPGA 和 GPU 之间来回的大量通信。启用 RDMA 后，带宽增加提供了必要的性能。

　　虽然更好的医学成像的目标是显而易见的，但它远非容易实现。该目标只是在正确的时间、正确的地点、使用正确的数据采取正确的行动。实现这一目标的关键是将领域知识与平台和构建块相结合，然后根据最终用户的个人需求定制这些部分。

　　审核编辑：郭婷