KI-Toolkit für Vitis AI
Das neueste KI-Toolkit für Vitis™ AI Version 1.1 wurde verwendet, um die Deep-Learning-Modelle für die Ausführung beschleunigter Inferenz zu kompilieren, wodurch diese Lösung sehr kostengünstig ist.
ML-Inferenzfunktionen für verschiedene Anwendungen ermöglichen
Die Inferenz des maschinellen Lernens (ML) von AMD ermöglicht die Früherkennung kritischer Erkrankungen durch das Identifizieren von Anomalien in Röntgenaufnahmen, Ultraschall, digitaler Pathologie, Dermatologie, Augenheilkunde und mehr. Weitere Anwendungen umfassen die Führung chirurgischer Instrumente, die Wirkstoffforschung und die Genomanalyse. AMD und sein Partnerökosystem können bedeutende Fortschritte bei einer Vielzahl von Anwendungen und Designmethoden im Gesundheitswesen ermöglichen.
Referenzdesign und offenes Modell für Edge und Cloud
Integrierte Edge-zu-Cloud-Lösungen
Das IoT für das Gesundheitswesen verbessert die Möglichkeiten für über die Cloud vernetzte klinische, diagnostische und radiologische Geräte. Krankenhausverwaltungen, IT-Abteilungen, Dienstleister und Hersteller medizinischer Geräte sind sich der Vorteile bewusst und verstehen die Notwendigkeit integrierter Edge-zu-Cloud-Lösungen, die ihre Markteinführungszeit verkürzen.
Referenzdesign-Kit
AMD, Spline.ai und AWS IoT-Services verfügen über ein voll funktionsfähiges KI-Referenzdesign-Kit für das Gesundheitswesen und ein beispielhaftes Röntgenerkennungsmodell mit unglaublich hoher Genauigkeit und niedriger Ausgangslatenz, welches auf dem Zynq™ UltraScale+™ MPSoC ausgeführt wird, das als Edge-Gerät auf der ZCU104-Plattform integriert ist. Sie wurden unter Verwendung von PYNQ™, einer Open-Source-Python-Programmierplattform für die AMD Zynq Architektur, und der AWS Lambda-Funktion entwickelt, die für eine einfache Anpassbarkeit dieser Integration an andere klinische Plattformen sorgt.
CNN-Beschleunigung
Die AMD Deep-Learning-Verarbeitungseinheit, die in das MPSoC integriert ist, beschleunigt das neuronale Faltungsnetz (Convolutional Neural Network, CNN) im AWS IoT Greengrass. Hohe Performance an der Edge in Kombination mit Cloud-Skalierbarkeit ermöglicht es, diese Lösung überall als klinische oder Point-of-Care-Lösung (POC) verfügbar zu machen. Die Lösung lässt sich auch problemlos in alle vorhandenen Anwendungen im Gesundheitswesen integrieren und kann als föderierte Lernplattform genutzt werden.
Plattformen
Vitis AI Plattform
Vitis AI ist die Entwicklungsplattform für KI-Inferenz auf AMD Hardwareplattformen. Sie besteht aus optimiertem IP, Werkzeugen, Bibliotheken, Modellen und Beispieldesigns. Sie wurde mit Blick auf hohe Effizienz und Benutzerfreundlichkeit konzipiert, um das volle Potenzial der KI-Beschleunigung auf AMD FPGAs und adaptiven SoCs ausschöpfen zu können.
AMD hat einen End-to-End-Ablauf entwickelt, der Softwareentwicklern, Hardwareentwicklern und Datenwissenschaftlern die Möglichkeit gibt, das vorhandene Ökosystem für maschinelles Lernen zu nutzen. Im Rahmen dieses Konzepts haben wir Tools entworfen, die es Kunden erlauben, das Modelldiagramm und die trainierten Gewichtungen, die aus gängigen ML-Frameworks gespeichert wurden, direkt zu analysieren.
PYNQ – Python auf Zynq
Auf Python gestützte Edge-Analyse und ML wird durch die „PYNQ“-Plattform ermöglicht. PYNQ ist ein Software-Hardware-Framework für adaptive AMD Zynq SoCs. Es nutzt die programmierbare Hardware, um Sensoren und andere Datentypen vorzuverarbeiten, um die Softwareanalyse in einem integrierten Prozessor äußerst effizient zu gestalten. Die PYNQ Plattform unterstützt alle großen Python-Bibliotheken wie NumPy, Scikit-Learn, Pandas und andere.
Ressourcen
Lösungsanbieter |
Beschreibung |
Unterstützte Geräte |
Spline.ai |
Zynq UltraScale+ ZCU104 |
|
Amazon Web Services (AWS) |
AMD Zynq UltraScale+ KI Starter Kit für das Gesundheitswesen |
Zynq UltraScale+ ZCU104 |
Lösungsanbieter |
Beschreibung |
Unterstützte Geräte |
AMD – Vitis |
Alle AMD Plattformen |
|
AMD – Vitis AI |
Anpassbare und Echtzeit-KI-Inferenzbeschleunigung |
Alle AMD Plattformen |
AMD – PYNQ |
Zynq UltraScale+ Zynq 7000 |
|
AWS IoT |
Von AWS zertifizierte AMD Produkte |
Zynq UltraScale+ Zynq 7000 |
AMD für das Gesundheitswesen |
Intelligente Lösungen für das Gesundheitswesen: Bildgebung, Diagnostik und klinische Geräte |
Alle AMD Plattformen |
2D-Endoskopie, Mehrklassen-Segmentierung
Datensatz: EDD2020.
Modell: Benutzerdefiniertes AMD Feature Pyramid Network mit ResNet18 Funktionsextraktor und mehreren Vorhersageköpfen
Bild: Bild mit Ergebnissen unseres Algorithmus
Modell: Herunterladen
Genauigkeit: Würfel = 80,45 %, F2-Wert = 79,15 %
Performance: ZCU102 79 ms Latenz, 40 fps
Tutorial zur Klassifizierung von Hautläsionen mit Vitis™ AI
Datensatz: HAM10000.
Tutorial zu Hautläsionen
Modell: Auf Github ansehen
Online-Seminar-Reihe: Analytics to X-Rays Unchained
In dieser zweiteiligen Online-Seminar-Reihe gehen wir auf die Bedeutung von in situ, in silico, Inferenz für das Gesundheitswesen ein.
AMD entfesselt die Leistungsfähigkeit von KI in der medizinischen Bildgebung
Der Einsatz von KI, einschließlich ML- und Deep-Learning-Techniken, ist im Begriff, sich zu einer transformativen Kraft in der medizinischen Bildgebung zu entwickeln.
Kontakt aufnehmen
Kontaktieren Sie einen Vertriebsmitarbeiter von AMD.