適用於 Vitis AI 的 AI 工具套件
我們以最新適用於 Vitis™ AI 第 1.1 版的 AI 工具套件，來編譯執行加速推論的深度學習模型，使此解決方案具備非常高的成本效益。
在各種應用中實現 ML 推論功能
AMD 機器學習 (Machine Learning, ML) 推論技術有助於從 X 光片、超音波、數位病理、皮膚科、眼科等各種檢查項目提早偵測重大疾病。其他應用則包括手術工具指引、藥物發現和基因體分析。AMD 及其合作夥伴生態系統能在各式各樣的醫療照護應用與設計方法中，大幅推進技術發展。
適用於邊緣及雲端的參考設計和開放模型
整合式邊緣至雲端解決方案
醫療照護物聯網正迅速加速雲端連線臨床、診斷和放射設備的商機。醫院院務、IT、服務供應商和醫療設備製造商已察覺其優勢，並認知到他們需要一個能加快上市速度的整合式邊緣至雲端解決方案。
參考設計套件
AMD、Spline.ai 及 AWS 物聯網服務提供功能完整的醫療照護 AI 參考設計套件，以及 X 光偵測模型範例，這些設計與範例，都是以 ZCU104 平台作為邊緣裝置，經由整合於裝置中的 Zynq™ UltraScale+™ 多處理器晶片上系統 (Multiprocessor System-on-Chip, MPSoC)，實現令人難以置信的高準確度與低輸出延遲。這一切都是使用 PYNQ™，一套適用於 AMD Zynq 架構的開放原始碼 Python 程式設計平台開發而成，AWS Lambda 函數則使得此整合機制可輕易調整適用於其他臨床平台。
CNN 加速
整合於 MPSoC 的 AMD 深度學習處理單元可加速 AWS IoT Greengrass 中的卷積神經網路 (Convolutional Neural Network, CNN)。邊緣的高效能結合雲端的可擴充性，讓此解決方案隨處可用，可作為臨床或照護點 (Point-of-Care, POC) 解決方案。此解決方案也能以聯合學習平台的形式，輕易地大規模整合於任何現有的醫療照護應用。
平台
Vitis AI 平台
Vitis AI 是 AMD 硬體平台專用的 AI 推論開發平台，內含最佳化的智慧財產 (Intellectual Property, IP)、工具、程式庫、模型，以及範例設計。其設計以高效率和容易使用為考量，以協助完全發揮 AMD FPGA 和自適應 SoC 上的 AI 加速潛能。
AMD 已開發出完整的端對端流程，讓軟體開發人員、硬體開發人員，及資料科學家能利用既有的機器學習生態系統。在此典範中，我們已設計多種工具，讓客戶能直接剖析主流 ML 架構所儲存的模型圖形和訓練加權。
PYNQ – Zynq 上的 Python
"PYNQ" 平台實現了使用 Python 語言的邊緣分析與 ML。PYNQ 是一套適用於 AMD Zynq 自適應 SoC 的軟硬體架構。它利用可程式化硬體來預處理感測器及其他資料類型，讓嵌入式處理器的軟體分析變得非常有效率。PYNQ 平台支援所有主流的 Python 程式庫，如 Numpy、Scikit-Learn、Pandas 等等的程式庫。
資源
解決方案供應商 |
描述 |
支援的器件 |
Spline.ai |
Zynq UltraScale+ ZCU104 |
|
Amazon Web Services (AWS) |
Zynq UltraScale+ ZCU104 |
解決方案供應商 |
描述 |
支援的器件 |
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 for Healthcare |
所有 AMD 平台 |
2D 內視鏡多類別分割
資料集：EDD2020
模型：連接 ResNet18 特徵提取器及多重預測頭的 AMD 客製特徵金字塔網路
影像：我們的演算法結果影像
模型：下載
準確度： Dice = 80.45%，F2-score = 79.15%
效能：ZCU102 79ms 延遲，40fps
Vitis™ AI 皮膚病變分類教學
資料集：HAM10000
皮膚病變教學
模型：在 Github 上檢視
網路研討會系列：從分析到 X 光不受拘束
在這個分兩部分的網路研討會系列中，我們將說明原位 (in situ) 和電腦模擬 (in silico) 推論在醫療照護的重要性。
AMD 為醫療造影解放強大 AI 功能
AI 運用，包括 ML 與深度學習技術，即將成為醫療造影的革新力量。
取得聯絡
聯絡 AMD 銷售代表。