用人工来诊断医学影像往往耗时且成本相当昂贵，Nvidia最近针对放射医学影像推出加速诊断工作的工具，包含医学影像运算平台Clara的SDK、专为医学影像设计的迁移学习工具包，和AI辅助标注SDK。
Nvidia近日在2018年度的北美放射学会宣布推出几项重要的工具，包含医学影像运算平台Clara的SDK、专为医学影像设计的迁移学习工具包，和AI辅助标注SDK等，医学影像运算平台Clara的SDK能够让开发人员，透过任何GPU平台，来部署AI应用、可视化应用，或是密集型的运算应用，像是重建影像的工作。
Clara是Nvidia日前推出的医学成像工作流程开放平台，为了让放射医学能够受惠于数千种的AI应用，建构出一个标准的部署平台将会是关键，使不同的仪器、工作流程、患者，和影像中心都能够使用，而最近Nvidia更进一步推出Clara平台的SDK，提供医学应用开发人员一系列用于GPU的函式库，像是计算、进阶可视化、AI技术相关的函式库，未来，随着Clara的进展，Nvidia也会提供能够建置硬件抽象应用的容器，改善医学影像重建、处理、萃取和分类等工作。Nvidia表示，藉由Docker和Nvidia在GPU上的Kubernetes，开发人员能够在多种运算环境中部署应用，不管是在云端或是本地端都能部署。
另一方面，Nvidia这次也推出迁移学习工具包，虽然在医学影像分析中，基于深度学习的标注和分割能够大幅提升模型开发速度，但是要开发出一套高效能的准确辨识模型不但耗时，也需要大量的成本和有效的数据集，这些因素一直以来都是开发者最大的挑战，而Nvidia打造的迁移学习工具包，和AI辅助标注SDK则是为了解决这些挑战。
迁移学习工具包透过Nvidia预先训练的模型，使开发人员可以用自家的数据集，训练出最佳的模型，该工具包为Python套件，每个模型都在Nvidia的GPU上经过优化和训练，达到最高的准确度，省去开发人员建置应用的计算资源，加速开发流程。目前，该迁移学习工具包适用于Nvidia Tesla和DGX。
而AI辅助标注SDK则是为了解决放射科医师治疗和诊断的繁琐过程，通常医师要花上数个小时检查病患的计算机断层扫瞄影像和磁共振影像，并手动标注出在图像中异常的位置，该项SDK能够整合进现有的应用中，在诊断的工作流程中，提供放射医师协助，透过迁移学习，AI辅助标注系统会不断学习，每一张新的标注影像都能够成为训练数据，进一步改善模型的准确度。
在放射医学中，AI研究已经展现能够改善质量和成本的前景，但是要将这些研究带到临床上，还是需要许多层面一起合作，为此，Nvidia过去一直在扩展医疗健康照护的生态系，目前，Nvidia与75个合作伙伴共同将AI技术应用到医疗健康照护中，并且合作伙伴每个月都还在持续增长，包含医学中心、医学影像公司、研究机构、健康照护新创，以及医疗健康照护的厂商。
Nvidia表示，过去10年来，Nvidia的GPU在医学影像的领域中，扮演了关键的角色，医学影像的诊断模型仰赖GPU来传输实时的影像信息，包含透过反复重建工作，来降低计算机断层扫描的辐射剂量，或是压缩采样来减少磁共振的扫描时间，以及利用波束成形(Beamforming)来增加超音波影像质量。
文章转自：一起胜博发