Modello di deep learning e progetto di riferimento per la diagnostica medica ai raggi X sviluppato da Xilinx e Spline.AI

Il modello adattivo consente ai produttori di apparecchiature mediche e ai fornitori di servizi sanitari di sviluppare rapidamente modelli addestrati per applicazioni cliniche e radiologiche.

Xilinx ha introdotto un modello di deep learning per la classificazione medica dei raggi X completamente funzionale e un kit di progettazione di riferimento, in associazione con Spline.AI e supportato da Amazon Web Services (AWS). Il modello ad alte prestazioni viene implementato su un dispositivi Xilinx MPSoC Zynq UltraScale+ basato su ZCU104 e sfrutta il processore di apprendimento profondo (DPU) Xilinx e un acceleratore soft-IP tensor sono abbastanza potenti da eseguire una varietà di reti neurali, compresa la classificazione e l’individuazione delle malattie.

La soluzione sviluppata utilizza un modello open source che viene eseguito su una piattaforma di programmazione Python implementata su un MPSoC Xilinx Zynq UltraScale+; ciò significa che il sistema può essere adattato dai ricercatori per soddisfare i differenti requisiti delle varie applicazioni. Diagnostica medica, produttori di apparecchiature cliniche e fornitori di servizi sanitari possono utilizzare la soluzione open source per sviluppare e distribuire rapidamente modelli addestrati per molte applicazioni cliniche e radiologiche, in un dispositivo mobile, portatile o point-of-care, con la possibilità di scalare utilizzando il cloud.

Ulteriori informazioni su come il design open source può essere utilizzato per sviluppare un flusso radiologico sono disponibili al link:

https://www.xilinx.com/applications/medical/healthcare-ai.html

L’intelligenza artificiale è una delle aree applicative con la più rapida crescita e la più elevata domanda nell’ambito dell’assistenza sanitaria, siamo quindi entusiasti di condividere questa soluzione adattabile e open source“, ha affermato Kapil Shankar, vice president of marketing and business development, Core Markets Group presso Xilinx. “Questa vantaggiosa soluzione offre bassa latenza, efficienza energetica e scalabilità. Inoltre, poiché il modello può essere facilmente adattato ad applicazioni cliniche e diagnostiche simili, i produttori di apparecchiature mediche e gli operatori sanitari sono messi in condizione di sviluppare  rapidamente nuove applicazioni cliniche e radiologiche utilizzando il  progeto di riferimento“.

Il modello di intelligenza artificiale (AI) viene addestrato utilizzando Amazon SageMaker e successivamente implementato  dal cloud all’edge mediante AWS IoT Greengrass, con possibilità di aggiornamenti del modello di machine learning (ML) remoto, inferenza distribuita geograficamente e la capacità di scalare su reti remote e aree geografiche di grandi dimensioni.

Siamo lieti di supportare Xilinx nella progettazione di una soluzione per il mondo sanitario che ha bisogno di modi per sviluppare rapidamente modelli addestrati per applicazioni cliniche e radiologiche“, ha affermato Dirk Didascalou, Vice President of IoT at Amazon Web Services, Inc. “Amazon SageMaker ha consentito a Xilinx e Spline.AI di sviluppare una soluzione di alta qualità in grado di supportare una diagnostica clinica estremamente accurata utilizzando apparecchiature mediche a basso costo. L’integrazione di AWS IoT Greengrass consente ai medici di caricare facilmente le immagini radiografiche sul cloud senza la necessità di un dispositivo medico fisico, consentendo ai medici di offrire le cure anche nelle località più remote

Syed Hussain, CTO di Spline.AI, ha dichiarato: “Xilinx Zynq UltraScale+ è un dispositivo Edge ideale per l’implementazione scalabile di modelli di deep learning ad alte prestazioni in un contesto clinico, come il nuovo modello COVID-XS che abbiamo addestrato con un impegno comune.

La soluzione è stata utilizzata per un sistema di rilevamento di polmonite e di Covid-19, con livelli di precisione incredibilmente alti e bassa latenza di inferenza. Il team di sviluppo ha sfruttato oltre 30.000 immagini di polmonite curate ed etichettate e 500 immagini Covid-19 per addestrare i modelli di apprendimento profondo. Questi dati sono stati messi a disposizione da istituti sanitari e di ricerca come il National Institute of Health (NIH), la Stanford University e il MIT, nonché altri ospedali e cliniche in tutto il mondo.

www.xilinx.com

 

 

 

Post correlati

Commenta questo articolo