Kit d'outils d'IA pour Vitis AI
Le dernier kit d'outils d'IA pour Vitis™ AI version 1.1 a été utilisé pour compiler les modèles de deep learning afin d'exécuter une inférence accélérée, de façon à obtenir une solution très économique.
Activation des capacités d'inférence en ML dans diverses applications
L'inférence en machine learning (ML) d'AMD permet la détection précoce de maladies graves en identifiant les anomalies dans les radiographies et les échographies, dans les domaines de la pathologie numérique, la dermatologie, l'ophtalmologie, etc. Les autres applications incluent le guidage des instruments chirurgicaux, le développement de médicaments et l'analyse génomique. AMD et son écosystème de partenaires peuvent permettre des avancées significatives dans un large éventail de méthodologies de conception et d'applications médicales.
Conception de référence et modèle ouvert pour l'edge et le cloud
Solutions Edge-to-Cloud intégrées
Dans le secteur de la santé, l'IoT accélère rapidement les opportunités de développement d'équipements cliniques, de diagnostic et radiologiques connectés au cloud. Les administrateurs hospitaliers, les services informatiques, les prestataires de services et les fabricants d'équipements médicaux ont bien conscience des avantages et comprennent l'importance des solutions intégrées de l'edge au cloud pour accélérer leur arrivée sur le marché.
Kit de conception de référence
Les services AWS IoT, Spline.ai et AMD disposent d'un kit de conception de référence d'IA pour le secteur de la santé entièrement fonctionnel et d'un exemple de modèle de détection par rayons X d'une incroyable précision et d'une faible latence de sortie, fonctionnant sur le MPSoC Zynq™ UltraScale+™ intégré à la plateforme ZCU104 en tant que périphérique à l'edge. Ces solutions sont développées à l'aide de PYNQ™, une plateforme de programmation Python open source pour l'architecture AMD Zynq, et de la fonction AWS Lambda qui rend cette intégration facilement adaptable à d'autres plateformes cliniques.
Accélération du CNN
Intégrée au MPSoC, l'unité de traitement du deep learning d'AMD accélère le réseau neuronal convolutif (CNN) au sein de l'environnement AWS IoT Greengrass. Grâce à ses performances élevées à l'edge associées à l'évolutivité du cloud, cette solution est disponible partout, que ce soit en milieu clinique ou au chevet du patient. Elle peut également être facilement intégrée à grande échelle à toutes les applications de santé existantes en tant que plateforme d'apprentissage fédéré.
Plateformes
Plateforme Vitis AI
Vitis AI désigne la plateforme de développement pour l'AI Inference sur les plateformes hardware AMD. Elle se compose d'IP, d'outils, de bibliothèques, de modèles et d'exemples de conception optimisés. Elle a été conçue dans un souci d'efficacité et de facilité d'utilisation, afin d'exploiter pleinement le potentiel de l'accélération IA sur les FPGA et les SoC adaptatifs AMD.
AMD a développé un flux complet de bout en bout, permettant aux développeurs software, aux développeurs hardware et aux experts en science des données de tirer parti de l'écosystème de machine learning existant. Dans ce paradigme, nous avons conçu des outils permettant aux clients d'analyser directement le graphe du modèle et les pondérations entraînées récupérées à partir des structures de ML les plus populaires.
PYNQ – Python on Zynq
La plateforme « PYNQ » prend en charge le ML et les analyses à l'edge basés sur Python. PYNQ est un framework software-hardware pour les SoC adaptatifs AMD Zynq. Il s'appuie sur le hardware programmable afin de prétraiter les capteurs et autres types de données, pour des analyses software extrêmement efficaces dans un processeur embarqué. La plateforme PYNQ prend en charge toutes les principales bibliothèques Python comme NumPy, Scikit-Learn, Pandas, etc.
Ressources
Fournisseur de solutions |
Description |
Composants pris en charge |
Spline.ai |
Détection des pneumonies et du COVID-19 à partir d'images radiographiques |
Zynq UltraScale+ ZCU104 |
Amazon Web Services (AWS) |
Kit de démarrage IA pour le secteur de la santé AMD Zynq UltraScale+ |
Zynq UltraScale+ ZCU104 |
Fournisseur de solutions |
Description |
Composants pris en charge |
AMD - Vitis |
Toutes les plateformes AMD |
|
AMD - Vitis AI |
Accélération de l'AI Inference adaptable et en temps réel |
Toutes les plateformes AMD |
AMD - PYNQ |
Zynq UltraScale+ Zynq 7000 |
|
AWS IoT |
Zynq UltraScale+ Zynq 7000 |
|
AMD pour le secteur de la santé |
Solutions intelligentes pour le secteur de la santé : imagerie, diagnostic et équipement clinique |
Toutes les plateformes AMD |
Segmentation multi-catégories d'images 2D en endoscopie
Ensemble de données : EDD2020
Modèle : AMD Feature Pyramid Network personnalisé avec extracteur de caractéristiques ResNet18 et plusieurs têtes de prédiction
Image : Image des résultats de notre algorithme
Modèle : Télécharger
Précision : Dice = 80,45 %, score F2 = 79,15 %
Performances : Temps de latence du ZCU102 de 79 ms, 40 fps
Tutoriel de classification des lésions cutanées Vitis™ AI
Ensemble de données : HAM10000
Tutoriel sur les lésions cutanées
Modèle : voir sur Github
Série de webinaires : Des analyses radiographiques plus puissantes que jamais
Au cours de cette série de webinaires en deux parties, nous aborderons l'importance de l'inférence in situ et in silico pour le secteur de la santé.
AMD libère la puissance de l'IA dans l'imagerie médicale
L'utilisation de l'IA, y compris de techniques de ML et de deep learning, est sur le point de devenir une véritable moteur de changement dans l'imagerie médicale.
Nous contacter
Contactez un représentant commercial AMD.