Kit de ferramentas de IA para o Vitis AI
O mais recente kit de ferramentas de IA para Vitis™ AI versão 1.1 foi usado para compilar os modelos de aprendizado profundo para executar inferência acelerada, tornando esta solução muito econômica.
Permitindo desempenho otimizado por watt e baixo TCO para dispositivos IoT na área da saúde
A inferência de aprendizado de máquina (ML) da AMD possibilita a detecção precoce de doenças graves, identificando anomalias em raios-X, ultrassom, patologia digital, dermatologia, oftalmologia e muito mais. Outras aplicações incluem orientação de ferramentas cirúrgicas, descoberta de medicamentos e análise do genoma. A AMD e seu ecossistema de parceiros podem oferecer avanços significativos em uma ampla variedade de aplicações de saúde e metodologias de projeto.
A IoT na área da saúde está acelerando rapidamente as oportunidades para equipamentos clínicos, de diagnóstico e radiológicos conectados à nuvem. Administradores de hospitais, profissionais de TI, prestadores de serviços e fabricantes de equipamentos médicos percebem os benefícios e compreendem a necessidade de soluções integradas da borda à nuvem que acelerem seu tempo de comercialização.
Os serviços de IoT da AMD, Spline.ai e AWS dispõem de um kit de projeto de referência de IA para cuidados de saúde totalmente funcional e um modelo de detecção de raios X com uma precisão incrivelmente elevada e baixa latência de saída, executado no MPSoC Zynq™ UltraScale+™ integrado na plataforma ZCU104 como um dispositivo Edge. Eles são desenvolvidos usando o PYNQ™, uma plataforma de programação Python de código aberto para a arquitetura AMD Zynq, e a função AWS Lambda, que torna essa integração facilmente adaptável para outras plataformas clínicas.
A unidade de processamento de aprendizado profundo AMD integrada ao MPSoC acelera a rede neural convolucional (CNN) dentro do AWS IoT Greengrass. O alto desempenho na borda, combinado com a escalabilidade da nuvem, possibilita que essa solução esteja disponível em qualquer lugar como uma solução clínica ou de POC (Point of Care, Ponto de atendimento). A solução também pode ser facilmente integrada a qualquer aplicativo de saúde existente em grande escala como uma plataforma de aprendizado federada.
Vitis AI é a plataforma de desenvolvimento para AI Inference em plataformas de hardware AMD. É composta por IP otimizado, ferramentas, bibliotecas, modelos e exemplos de projetos. Foi projetada tendo em mente a alta eficiência e a facilidade de uso para ajudar a liberar todo o potencial da aceleração de IA em FPGAs e SoCs adaptativos AMD.
A AMD desenvolveu um fluxo completo de ponta a ponta, permitindo que desenvolvedores de software, desenvolvedores de hardware e cientistas de dados aproveitem o ecossistema de aprendizado de máquina existente. Nesse paradigma, projetamos ferramentas para possibilitar que os clientes analisem diretamente o gráfico do modelo e os pesos treinados salvos a partir de estruturas populares de ML.
A análise de borda e o aprendizado de máquina com Python são possibilitados pela plataforma "PYNQ". O PYNQ é uma estrutura de software e hardware para SoCs adaptativos AMD Zynq. Ele aproveita o hardware programável para pré-processar sensores e outros tipos de dados, tornando a análise de software altamente eficiente em um processador incorporado. A plataforma PYNQ é compatível com todas as principais bibliotecas Python, como Numpy, Scikit-Learn, Pandas e outras.
Fornecedor de soluções |
Descrição |
Dispositivos compatíveis |
Spline.ai |
Detecção de pneumonia e COVID-19 a partir de imagens de raios X |
Zynq UltraScale+ ZCU104 |
Amazon Web Services (AWS) |
Zynq UltraScale+ ZCU104 |
Fornecedor de soluções |
Descrição |
Dispositivos compatíveis |
AMD – Vitis |
Todas as plataformas AMD |
|
AMD – Vitis AI |
Aceleração de AI Inference adaptável e em tempo real |
Todas as plataformas AMD |
AMD – PYNQ |
Zynq UltraScale+ Zynq 7000 |
|
AWS IoT |
Produtos AMD certificados pela AWS |
Zynq UltraScale+ Zynq 7000 |
AMD para a área da saúde |
Soluções inteligentes para a área da saúde: Imagens, diagnósticos e equipamentos clínicos |
Todas as plataformas AMD |
Conjunto de dados: EDD2020
Modelo: Rede piramidal de recursos personalizada AMD com extrator de recursos ResNet18 e múltiplos cabeçotes de previsão
Imagem: Imagem dos resultados do nosso algoritmo
Modelo: Baixar
Precisão: Dice = 80,45%, F2-score = 79,15%
DESEMPENHO ZCU102 79 ms de latência, 40 fps
Conjunto de dados: HAM10000
Modelo: Ver no Github
Durante esta série de webinars em duas partes, abordaremos a importância da inferência in situ, in silico, para a área da saúde.
O uso da IA, incluindo técnicas de ML e aprendizado profundo, está prestes a se tornar uma força transformadora nas imagens médicas.
Entre em contato com um representante de vendas da AMD.