Vitis AI 平台的 AI 工具包
借助 Vitis™ AI 1.1 版全新推出的 AI 工具包，对深度学习模型进行编译，可加快推理运行速度，同时显著提高解决方案的成本效益。
依托强大的 ML 推理功能，满足多种应用需求
在 X 光、超声波、数字病理、皮肤病学、眼科学等领域，AMD 机器学习 (ML) 推理技术可用于识别各类异常情况，为重大疾病的早期检测提供强大助力。此外，其他应用场景还包括手术器械引导、药物研发及基因组分析。AMD 依托庞大的合作伙伴生态系统，通过赋能各类医疗应用场景和改进现有设计方法，推动医疗行业实现重大突破。
面向边缘与云端的参考设计及开源模型
从边缘到云端的一体化解决方案
医疗物联网 (IoT) 技术正加速为可接入云端的临床设备、诊断设备及放射设备开辟更多应用场景。医院管理者、IT 人员、服务提供商及医疗设备制造商均已意识到这些设备的巨大价值，因此亟需从边缘到云端的一体化解决方案来加快产品上市速度。
参考设计套件
AMD、Spline.ai 与 AWS IoT 服务联合推出了一套功能完备的医疗 AI 参考设计套件，以及一个示例 X 光检测模型；该套件具备超高准确率与超低输出延迟，并作为边缘设备在集成于 ZCU104 平台的 Zynq™ UltraScale+™ MPSoC 上运行。该套件与模型使用 PYNQ™（面向 AMD Zynq 架构的开源 Python 编程平台）和 AWS Lambda 函数进行开发，这种集成方式使其能够轻松适配其他临床平台。
CNN 加速
AMD 深度学习处理单元集成在 MPSoC 中，可助力加速 AWS IoT Greengrass 中的卷积神经网络 (CNN)。该解决方案集出色的边缘计算性能与灵活的云端可扩展性于一体，能够在任何地点部署使用，为临床诊疗或即时诊疗 (Point-of-Care, POC) 赋能助力。此外，该解决方案还可作为联合学习 (Federated Learning) 平台，轻松与各类现有医疗应用大规模集成。
平台
Vitis AI 平台
Vitis AI 是一个开发平台，旨在帮助开发人员基于 AMD 硬件平台实现 AI 推理。该平台包含经过优化的 IP、工具、库、模型及示例设计。该平台以高效易用为设计理念，可助力在 AMD FPGA 和自适应 SoC 上充分释放 AI 加速潜力。
AMD 已构建完整的端到端开发流程，让软件开发者、硬件开发者及数据科学家都能充分利用现有的机器学习生态系统。在这一体系之下，AMD 还开发了相应工具，支持用户直接解析从主流机器学习框架中导出的模型图与训练权重。
PYNQ – Python 结合 Zynq
依托“PYNQ”平台，可基于 Python 实现高效边缘分析与 ML 开发。PYNQ 是专为 AMD Zynq 自适应 SoC 打造的软硬件协同框架。它利用可编程硬件对传感器数据及其他类型数据进行预处理，从而显著提升嵌入式处理器中的软件分析效率。PYNQ 平台支持所有主流 Python 库，包括 Numpy、Scikit-Learn、Pandas 等。
资源
解决方案提供商 |
描述 |
支持的器件 |
Spline.ai |
Zynq UltraScale+ ZCU104 |
|
Amazon Web Services (AWS) |
Zynq UltraScale+ ZCU104 |
解决方案提供商 |
描述 |
支持的器件 |
AMD - Vitis |
所有 AMD 平台 |
|
AMD - Vitis AI |
所有 AMD 平台 |
|
AMD - PYNQ |
Zynq UltraScale+ Zynq 7000 |
|
AWS IoT |
Zynq UltraScale+ Zynq 7000 |
|
AMD 医疗行业解决方案 |
所有 AMD 平台 |
Vitis™ AI 皮肤病变分类教程
数据集：HAM10000
皮肤病变分类教程
模型：在 Github 上查看
系列网络研讨会：突破 X 光影像分析桎梏 (Analytics to X-Rays Unchained)
该系列网络研讨会分为两个部分，旨在探讨基于芯片的原位推理技术在医疗领域的重要价值。
AMD 以强大 AI 技术赋能医疗成像
随着 AI 技术（包括机器学习和深度学习技术）逐步落地采用，其必将以变革性力量重塑医疗成像。
立即联系
联系 AMD 销售代表。