Habilitar un rendimiento optimizado por watt y un bajo TCO para dispositivos de IoT de atención médica
La inferencia de aprendizaje automático (ML) de AMD permite la detección temprana de dolencias críticas mediante la identificación de anomalías en rayos X, ultrasonido, patología digital, dermatología, oftalmología y más. Otras aplicaciones incluyen guía de herramientas quirúrgicas, descubrimiento de fármacos y análisis de genoma. AMD y su ecosistema de socios pueden ofrecer avances significativos a través de una amplia gama de aplicaciones sanitarias y metodologías de diseño.
La IoT de atención médica está agilizando en gran medida la oportunidad de contar con equipos clínicos, de diagnóstico y radiológicos conectados a la nube. Los administradores de hospitales, TI, proveedores de servicios y fabricantes de equipos médicos se dan cuenta de los beneficios y entienden la necesidad de disponer de soluciones integradas del perímetro a la nube que aceleren su tiempo de comercialización.
Los servicios de IoT de AMD, Spline.ai y AWS cuentan con un kit de diseño de referencia de IA para la atención médica totalmente funcional y un modelo de detección de rayos X de ejemplo con una precisión increíblemente alta y baja latencia de salida, que se ejecuta en el MPSoC Zynq™ UltraScale+™ integrado en la plataforma ZCU104 como dispositivo perimetral. Se desarrollan mediante el uso de PYNQ™, una plataforma de programación en Python de código abierto para la arquitectura AMD Zynq, y la función AWS Lambda que hace que esta integración se adapte fácilmente a otras plataformas clínicas.
La unidad de procesamiento de aprendizaje profundo de AMD integrada en el MPSoC acelera la CNN (convolutional neural network, red neuronal convolucional) dentro de AWS IoT Greengrass. El alto rendimiento en el perímetro combinado con la escalabilidad en la nube permite que esta solución esté disponible en cualquier lugar como una solución clínica o como un punto de atención (POC). La solución también se puede integrar fácilmente en cualquier aplicación de atención médica existente a gran escala como una plataforma de aprendizaje federada.
Vitis AI es la plataforma de desarrollo para la inferencia de IA en plataformas de hardware de AMD. Consiste en IP optimizada, herramientas, bibliotecas, modelos y diseños de ejemplo. Para su diseño, se tuvo en cuenta la alta eficiencia y facilidad de uso, lo que ayuda a liberar todo el potencial de la aceleración de IA en las FPGA y SoC adaptables de AMD.
AMD desarrolló un flujo completo de extremo a extremo, que posibilita que los desarrolladores de software, desarrolladores de hardware y científicos de datos aprovechen el ecosistema de aprendizaje automático existente. En este paradigma, diseñamos las herramientas para permitir a los clientes analizar directamente el gráfico del modelo y los pesos entrenados guardados de marcos de ML populares.
Los análisis de perímetro con tecnología de Python y ML están habilitados por la plataforma “PYNQ”. PYNQ es un marco de software y hardware para los SoC adaptables AMD Zynq. Aprovecha el hardware programable para preprocesar sensores y otros tipos de datos a fin de hacer que el análisis de software sea altamente eficiente en un procesador integrado. La plataforma PYNQ admite todas las bibliotecas principales de Python como Numpy, Scikit-Learn, Pandas, etc.
Proveedor de soluciones |
Descripción |
Dispositivos compatibles |
Spline.ai |
Detección de neumonía y COVID-19 a partir de imágenes de rayos X |
Zynq UltraScale+ ZCU104 |
Amazon Web Services (AWS) |
Kit de inicio de IA para atención médica AMD Zynq UltraScale+ |
Zynq UltraScale+ ZCU104 |
Proveedor de soluciones |
Descripción |
Dispositivos compatibles |
AMD: Vitis |
Todas las plataformas de AMD |
|
AMD: Vitis AI |
Aceleración de inferencia de IA adaptable y en tiempo real |
Todas las plataformas de AMD |
AMD: PYNQ |
Zynq UltraScale+ Zynq 7000 |
|
AWS IoT |
Productos AMD certificados por AWS |
Zynq UltraScale+ Zynq 7000 |
AMD para la atención médica |
Soluciones inteligentes para la atención médica: Imágenes, diagnóstico y equipos clínicos |
Todas las plataformas de AMD |
Conjunto de datos: EDD2020
Modelo: Feature Pyramid Network personalizado de AMD, con extractor de funciones ResNet18 y varias cabezas de predicción
Imagen: Imagen de resultados de nuestro algoritmo
Modelo: Descargar
Precisión: Coeficiente de Dice = 80,45 %; puntuación F2 = 79,15 %
Rendimiento: Latencia de 79 ms de ZCU102, 40 fps
Conjunto de datos: HAM10000
Modelo: Ver en Github
Durante esta serie de webinars de dos partes, abordaremos la importancia de la inferencia en el lugar y en el chip para la atención médica.
El uso de IA, incluidos el ML y las técnicas de aprendizaje profundo, está a punto de convertirse en una fuerza transformadora para las imágenes médicas.
Comunícate con un representante de ventas de AMD.
