×
服務條款
服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容服務條款内容
首頁>企業新聞>企業新聞詳情
《CHIMA》：CPU也(yě)能加速AI？看彙醫慧影(yǐng)醫學影(yǐng)像系統的(de)實戰收獲

文章(zhāng)來(lái)源：彙醫慧影(yǐng)

15/09

2021

轉自CHIMA
本文英特爾供稿



利用(yòng)AI技術加快(kuài)醫學影(yǐng)像分(fēn)析速度，支持醫療機構完成從信息化(huà)向智能化(huà)的(de)轉型，讓更多(duō)病患從智慧醫療技術的(de)發展中獲益，是彙醫慧影(yǐng)一直以來(lái)的(de)目标和(hé)願景。通(tōng)過引入第二代英特爾®至強®可(kě)擴展處理(lǐ)器、OpenVINO™工具套件以及面向英特爾®架構優化(huà)的(de)Python等領先軟硬件産品和(hé)技術，使我們醫學影(yǐng)像解決方案的(de)各個(gè)平台的(de)處理(lǐ)效率都獲得(de)了(le)顯著提升。
                                                                              ——彙醫慧影(yǐng)CEO&創始人(rén) 柴象飛(fēi)

盡管有多(duō)種多(duō)樣的(de)檢測方式，但CT影(yǐng)像依然是新冠檢測中更有效的(de)判斷依據。爲了(le)助力更加快(kuài)速和(hé)精準地處理(lǐ)海量的(de)影(yǐng)像數據，彙醫慧影(yǐng)在英特爾軟硬件組合拳的(de)幫助下(xià)，全面提升其全周期AI醫學影(yǐng)像解決方案的(de)性能，在新型冠狀病毒肺炎篩查、乳腺癌檢測等多(duō)場(chǎng)景應用(yòng)中都成效顯著。

從2019年年底開始迅速擴散的(de)新型冠狀病毒肺炎(COVID-19，以下(xià)簡稱“新冠肺炎”)疫情，對(duì)醫療機構的(de)快(kuài)速診斷能力提出了(le)突如其來(lái)且非常嚴峻的(de)挑戰，利用(yòng)人(rén)工智能(ArtificialIntelligence，以下(xià)簡稱AI)方法開展醫學影(yǐng)像智能分(fēn)析及輔助診斷，是應對(duì)這(zhè)一挑戰的(de)有效方案。一直緻力于計算(suàn)機視覺和(hé)深度學習(xí)技術應用(yòng)開發的(de)彙醫慧影(yǐng)，就通(tōng)過其自主研發的(de)Dr.TuringAI平台、Radcloud大(dà)數據智能分(fēn)析雲平台以及Novacloud智慧影(yǐng)像雲等産品，爲衆多(duō)醫療機構提供了(le)一套全周期、高(gāo)性能的(de)AI醫學影(yǐng)像解決方案，并将其成功應用(yòng)于包括新冠肺炎在内的(de)數十種疾病的(de)診療。

作爲該方案中專攻醫學影(yǐng)像輔助診斷的(de)前端先鋒，Dr.TuringAI平台可(kě)爲醫院和(hé)患者提供10餘種常見疾病的(de)醫學影(yǐng)像AI分(fēn)析能力，并提供結構化(huà)的(de)報告；Novacloud智慧影(yǐng)像雲可(kě)通(tōng)過基于雲服務的(de)端到端AI互動能力，爲醫、患和(hé)醫院的(de)管理(lǐ)者提供更爲便捷的(de)服務；Radcloud大(dà)數據智能分(fēn)析雲平台作爲醫療機構推進科研的(de)重要助手，則能提供多(duō)樣化(huà)的(de)影(yǐng)像大(dà)數據科學分(fēn)析能力，可(kě)大(dà)大(dà)加快(kuài)放射組學等新技術在醫療行業的(de)研發與落地進程。

爲幫助彙醫慧影(yǐng)優化(huà)這(zhè)一全周期AI醫學影(yǐng)像解決方案的(de)性能，英特爾不僅提供了(le)集成有英特爾®深度學習(xí)加速(英特爾®DLBoost)技術的(de)第二代英特爾®至強®可(kě)擴展處理(lǐ)器，用(yòng)作方案的(de)核心計算(suàn)引擎，還(hái)提供了(le)OpenVINO™工具套件以及面向英特爾®架構優化(huà)的(de)Python等軟件優化(huà)工具。得(de)益于這(zhè)些軟硬件相互搭配、協作優化(huà)帶來(lái)的(de)整體加速優勢，彙醫慧影(yǐng)Dr.TuringAI平台在新冠肺炎篩查、乳腺癌檢測等影(yǐng)像分(fēn)析場(chǎng)景中的(de)推理(lǐ)速度獲得(de)了(le)顯著提升。同時(shí)，放射組學分(fēn)析方案在優化(huà)後的(de)Radcloud大(dà)數據智能分(fēn)析雲平台的(de)支持下(xià)，在處理(lǐ)效率上也(yě)收獲了(le)明(míng)顯的(de)加速效果。


彙醫慧影(yǐng)全周期AI醫學影(yǐng)像解決方案實現的(de)應用(yòng)優勢：

•在與新冠肺炎篩查相關的(de)肺部CT影(yǐng)像分(fēn)析場(chǎng)景中，第二代英特爾®至強®可(kě)擴展處理(lǐ)器帶來(lái)的(de)算(suàn)力與OpenVINO™工具套件帶來(lái)的(de)優化(huà)相配合，可(kě)令Dr.TuringAI平台的(de)平均推理(lǐ)耗時(shí)縮短至原先的(de)35%；

•在乳腺癌影(yǐng)像分(fēn)析場(chǎng)景中，基于第二代英特爾®至強®可(kě)擴展處理(lǐ)器，及其集成的(de)英特爾®深度學習(xí)加速技術提供的(de)INT8推理(lǐ)加速，在Dr.TuringAI平台上構建的(de)檢測模型在采用(yòng)OpenVINO™工具套件進行轉換和(hé)優化(huà)後，其推理(lǐ)速度較原始方案提升高(gāo)達8.24倍，且精确度損失不到0.17%；

•通(tōng)過使用(yòng)面向英特爾®架構優化(huà)的(de)Python，并結合第二代英特爾®至強®可(kě)擴展處理(lǐ)器提供的(de)算(suàn)力支持，放射組學分(fēn)析方案在基于Radcloud大(dà)數據智能分(fēn)析雲平台的(de)醫療科研平台上的(de)推理(lǐ)速度，實現了(le)多(duō)達2.08倍至2.12倍不等的(de)提升。

新冠肺炎的(de)突然爆發和(hé)大(dà)規模流行，對(duì)于中國及全球醫療機構而言，是一個(gè)在速度和(hé)烈度上都堪稱嚴峻的(de)挑戰。

控制新冠疫情的(de)原則，和(hé)預防及控制其他(tā)傳染病基本一緻，即遵循“三早原則”——早發現、早診斷、早治療。其中，“早發現”或者說“早診斷”是将被感染者從疑似人(rén)群中及時(shí)辨識出來(lái)，并盡早進行後續隔離治療的(de)關鍵步驟。如圖一所示，在實踐中，中國醫療機構普遍以核酸試劑檢測(圖一左)爲主要診斷方式，以肺部CT 影(yǐng)像檢查(圖一右)爲輔助方式，來(lái)對(duì)新冠肺炎進行篩查診斷。

圖一 新冠肺炎篩查診斷方法圖示

核酸檢測雖有便捷的(de)優勢，但其會受樣本病毒含量、病毒是否變異、病毒核酸是否有效提取，以及樣本是否合理(lǐ)保存等因素的(de)影(yǐng)響，存在一定概率的(de)檢測結果誤判，即呈“假陰性”。肺部CT影(yǐng)像檢查是通(tōng)過分(fēn)析肺部真實影(yǐng)像來(lái)判别患者肺部是否出現病變，因此在對(duì)早期新冠肺炎症狀的(de)檢測敏感度上，要優于核酸檢測。一項數據表明(míng)，在51例患者的(de)檢測結果中，肺部CT影(yǐng)像檢測對(duì)于新冠肺炎的(de)靈敏度爲98%，遠(yuǎn)高(gāo)于核酸檢測(反轉錄-聚合酶鏈反應方法)71%的(de)靈敏度。

不過，肺部CT影(yǐng)像檢查這(zhè)一方法的(de)應用(yòng)“門檻”，要遠(yuǎn)高(gāo)于核酸檢測，它不僅需要醫生具有專業的(de)CT影(yǐng)像分(fēn)析能力，也(yě)需要對(duì)新冠肺炎征象有敏銳的(de)臨床判斷力。例如，新冠肺炎的(de)典型征象之一——肺部磨玻璃影(yǐng)，同時(shí)也(yě)是多(duō)種肺炎、病原體感染的(de)重要征象。因此，醫生在分(fēn)析傳統二維的(de)CT影(yǐng)像時(shí)，往往需要反複比對(duì)判讀。遇到更複雜(zá)的(de)情況時(shí)，可(kě)能還(hái)需進行多(duō)科室會診。在疫情出現爆發的(de)情況下(xià)，這(zhè)種應對(duì)方式顯然會造成疫情防控上的(de)延誤。

爲破解這(zhè)一難題，讓肺部CT影(yǐng)像檢查在疫情防控中發揮更及時(shí)、更重要的(de)作用(yòng)，作爲全球醫學影(yǐng)像AI應用(yòng)研發領跑者的(de)彙醫慧影(yǐng)，開始出動Dr.TuringAI平台作爲抗疫先鋒，來(lái)推動新冠肺炎的(de)快(kuài)速篩查。

軟硬協同優化(huà)提升新冠肺炎篩查速度


作爲彙醫慧影(yǐng)全周期AI醫學影(yǐng)像解決方案中專攻AI醫學影(yǐng)像輔助診斷的(de)平台，Dr.TuringAI平台可(kě)爲醫院和(hé)患者提供“多(duō)病種AI輔助應用(yòng)”及“結構化(huà)報告”兩大(dà)主要功能。它不僅可(kě)提供10餘種常見疾病的(de)AI輔助診療能力，也(yě)能實現自動化(huà)病竈分(fēn)割、檢測和(hé)測量，并輸出帶有**-RADS分(fēn)級等信息的(de)AI結構化(huà)報告，在幫助醫院提升診療效率之餘，也(yě)能助患者獲得(de)更精準的(de)診療方案。

雖然Dr.TuringAI平台已久經考驗，但在面對(duì)新冠肺炎的(de)篩查任務時(shí)，還(hái)是需要進行一些有針對(duì)性的(de)優化(huà)升級。這(zhè)些優化(huà)升級如圖二所示，包括：一方面，平台需要通(tōng)過收集大(dà)量新冠肺炎數據，由專業醫生進行标注後，再結合平台内置的(de)深度學習(xí)算(suàn)法，實現對(duì)肺炎病竈區(qū)的(de)精準分(fēn)割和(hé)測量；另一方面，平台也(yě)需要結合InceptionV4、InceptionResNetV2等深度學習(xí)算(suàn)法模型，将原本二維的(de)CT切片進行一系列的(de)“三維”重構，更加清晰直觀地反映出病竈的(de)位置、尺寸、面積變化(huà)以危重程度等量化(huà)數據，爲醫生提供更全面的(de)病理(lǐ)圖像分(fēn)析，從而幫助他(tā)們更快(kuài)、更準确地進行綜合研判。
圖二 基于彙醫慧影(yǐng)Dr.TuringAI平台的(de)新冠肺炎篩查

上述調整雖然更适用(yòng)于新冠肺炎的(de)CT篩查，但也(yě)會讓Dr.TuringAI平台執行推理(lǐ)等過程的(de)計算(suàn)量和(hé)複雜(zá)度急劇增加。爲了(le)在這(zhè)種情況下(xià)确保令人(rén)滿意的(de)推理(lǐ)性能，彙醫慧影(yǐng)與英特爾一起，在借助第二代英特爾®至強®可(kě)擴展處理(lǐ)器實現更強算(suàn)力支持的(de)同時(shí)，還(hái)引入了(le)OpenVINO™工具套件，使用(yòng)其内置的(de)優化(huà)工具，将已有的(de)、通(tōng)過Pytorch深度學習(xí)框架構建的(de)NestedU-Net和(hé)HR-Net網絡模型轉換爲可(kě)利用(yòng)OpenVINO™工具套件加速的(de)模型，并使用(yòng)該工具套件提供的(de)推理(lǐ)引擎對(duì)整個(gè)管道(pipeline)進行了(le)更新。後續進行的(de)基準測試如圖三所示，相比優化(huà)前用(yòng)時(shí)長(cháng)達140.3秒，調優後的(de)每數據樣本的(de)推理(lǐ)時(shí)長(cháng)僅爲48.47秒，平均推理(lǐ)耗時(shí)縮短至原先的(de)35%，或者說，其平均推理(lǐ)性能提升高(gāo)達2.89倍。

圖三 使用(yòng)OpenVINO™工具套件對(duì)新冠肺炎CT檢測模型進行優化(huà)前後的(de)效果對(duì)比

這(zhè)樣的(de)性能提升成果，可(kě)令新冠肺炎CT影(yǐng)像的(de)篩查速度實現大(dà)幅提升。而事實上，這(zhè)已經不是Dr.TuringAI平台首次從英特爾這(zhè)一軟一硬、協同優化(huà)的(de)組合中獲取如此強勁的(de)AI加速支持了(le)。此前彙醫慧影(yǐng)在該平台上構建以ResNet50卷積網絡模型作爲基礎網絡(Backbone)的(de)RetinaNet目标檢測模型，來(lái)對(duì)乳腺癌影(yǐng)像實施模型訓練及推理(lǐ)時(shí)，就曾使用(yòng)過這(zhè)對(duì)構成英特爾®至強®平台AI加速技術核心的(de)組合。

由于OpenVINO™工具套件内置有多(duō)種優化(huà)工具和(hé)預訓練模型，且能對(duì)已訓練好的(de)模型進行壓縮和(hé)加速等優化(huà)，來(lái)提升模型推理(lǐ)速度，因而彙醫慧影(yǐng)當時(shí)的(de)優化(huà)手段，如圖四所示，是先使用(yòng)它優化(huà)用(yòng)于乳腺癌檢測的(de)FP32模型，優化(huà)後的(de)模型在推理(lǐ)速度上達到了(le)原始模型的(de)3.02倍；繼而，彙醫慧影(yǐng)又借助OpenVINO™工具套件,将上述FP32模型轉換成INT8模型，在确保模型精确度隻受輕微影(yǐng)響的(de)情況下(xià)，啓用(yòng)第二代英特爾®至強®可(kě)擴展處理(lǐ)器集成的(de)英特爾®深度學習(xí)加速技術對(duì)于INT8提供的(de)特定加速支持，将其推理(lǐ)速度進一步提升達初始模型的(de)8.24倍，且精度損失還(hái)不到0.17%。



圖四 使用(yòng)OpenVINO™工具套件對(duì)乳腺癌檢測模型進行優化(huà)前後的(de)效果對(duì)比

不論是對(duì)新冠肺炎CT影(yǐng)像篩查的(de)加速，還(hái)是對(duì)乳腺癌AI檢測模型的(de)性能優化(huà)，它們的(de)成功都足以證明(míng)：第二代英特爾®至強®可(kě)擴展處理(lǐ)器與OpenVINO™工具套件的(de)引入和(hé)搭配，可(kě)以在醫學影(yǐng)像分(fēn)析場(chǎng)景中發揮出“1+1>2”的(de)功效。它們也(yě)表明(míng)，在衆多(duō)醫療機構既有的(de)、基于CPU的(de)IT基礎設施上部署和(hé)運行醫學影(yǐng)像類的(de)AI應用(yòng)，不僅可(kě)行，而且高(gāo)效。

打造全周期AI醫學影(yǐng)像解決方案


Dr.TuringAI平台在新冠肺炎等疾病檢測，或者說輔助診斷上的(de)優異表現，是彙醫慧影(yǐng)與英特爾等合作夥伴一起，通(tōng)過協作創新助力醫療機構從信息化(huà)向智能化(huà)轉型的(de)又一抹亮色。

這(zhè)一轉型，也(yě)确實至關重要。雖說醫療信息化(huà)的(de)全面鋪開，讓各類醫療設備和(hé)醫用(yòng)信息系統，尤其是醫學影(yǐng)像設備的(de)應用(yòng)越來(lái)越普及，使之成爲了(le)各醫療機構、醫學科研部門的(de)重要助手，甚至造就了(le)“臨床上有超過70%的(de)診斷有賴于醫學影(yǐng)像提供支持”的(de)重要成果，但僅有信息化(huà)策略推動的(de)硬件設施普及，對(duì)提升醫療機構診療水(shuǐ)平來(lái)說還(hái)是遠(yuǎn)遠(yuǎn)不夠的(de)。在大(dà)衆真實的(de)就醫體驗中，常會發現在肺結節、乳腺癌、前列腺癌、骨折等一些醫療資源相對(duì)緊張的(de)病種診斷上，長(cháng)時(shí)間排隊等候、影(yǐng)像分(fēn)析誤判的(de)情況仍是屢見不鮮。

究其原因，是因爲醫學影(yǐng)像分(fēn)析不僅需要設備就位，更需要使用(yòng)這(zhè)些設備的(de)醫生能夠熟練掌握臨床醫學、放射學、醫學影(yǐng)像學等方面的(de)專業知識和(hé)技能，也(yě)需要他(tā)們能夠充分(fēn)運用(yòng)各種影(yǐng)像分(fēn)析技術，對(duì)疾病進行輔助診斷。而有以上綜合能力的(de)醫生，即便在大(dà)醫院也(yě)是相對(duì)缺乏的(de)。
圖五 多(duō)場(chǎng)景化(huà)部署的(de)彙醫慧影(yǐng)AI醫學影(yǐng)像解決方案

而這(zhè)也(yě)正是衆多(duō)醫療機構在完成初步的(de)信息化(huà)建設之後，就希望進一步借助AI、大(dà)數據、雲計算(suàn)等新興技術手段來(lái)完 成智能化(huà)轉型的(de)目的(de)所在。如圖五所示，這(zhè)也(yě)是彙醫慧影(yǐng)以旗下(xià)Dr.TuringAI平台、Novacloud智慧影(yǐng)像雲及Radcloud大(dà)數據智能分(fēn)析雲平台等領先産品爲抓手，通(tōng)過公有雲、私有雲或AI一體機等多(duō)場(chǎng)景部署方式，爲醫療機構提供全周期、高(gāo)性能和(hé)智能化(huà)AI醫學影(yǐng)像解決方案的(de)初衷。

如果說Dr.TuringAI平台提供的(de)是高(gāo)效、便捷的(de)前端醫學影(yǐng)像AI分(fēn)析和(hé)輔助診斷能力，那麽Novacloud智慧影(yǐng)像雲擔當的(de)角色，就是爲醫療機構和(hé)患者提供基于雲服務的(de)端到端 AI互動能力。如圖六所示，在醫生側，結合Dr.TuringAI平台，影(yǐng)像雲可(kě)提供多(duō)終端AI閱片、遠(yuǎn)程會診、轉診等功能；在患者側，影(yǐng)像雲能夠提供基于自然語言處理(lǐ)(NaturalLanguageProcessing，NLP)技術的(de)智能報告解讀、遠(yuǎn)程專家咨詢及多(duō)終端影(yǐng)像閱覽等功能；而對(duì)醫療機構來(lái)說，影(yǐng)像雲不僅能對(duì)Radcloud大(dà)數據智能分(fēn)析雲平台提供支持，也(yě)可(kě)讓管理(lǐ)者以管理(lǐ)駕駛艙的(de)模式，對(duì)診療、科研進度獲得(de)更直觀的(de)了(le)解，并支持其對(duì)相關策略和(hé)計劃進行調整。
圖六 打通(tōng)全周期AI醫療影(yǐng)像解決方案的(de)Novacloud智慧影(yǐng)像雲

優化(huà)版Python改善醫療科研
工作效率


如前文所述，與Dr.TuringAI平台、Novacloud智慧影(yǐng)像雲并列爲彙醫慧影(yǐng)全周期AI醫學影(yǐng)像解決方案支柱的(de)，還(hái)有Radcloud大(dà)數據智能分(fēn)析雲平台，它的(de)主要任務是承載醫療機構的(de)科研工作。

目前衆多(duō)醫療機構都在利用(yòng)CT、MRI、PET等醫學影(yǐng)像，通(tōng)過放射組學等新技術開展癌症等惡性疾病的(de)早期發現和(hé)防治。作爲開發放射組學解決方案的(de)領先企業，彙醫慧影(yǐng)就正以Radcloud大(dà)數據智能分(fēn)析雲平台等産品爲基礎，爲醫療機構提供“全周期”、“一鍵式”的(de)影(yǐng)像大(dà)數據科學分(fēn)析能力，以加速放射組學等新技術在醫療行業的(de)科研和(hé)應用(yòng)進程。

要進一步了(le)解Radcloud大(dà)數據智能分(fēn)析雲平台在放射組學科研項目中發揮的(de)作用(yòng)，就要先了(le)解什(shén)麽是放射組學。簡而言之，它就是通(tōng)過将醫學影(yǐng)像轉換爲可(kě)挖掘的(de)高(gāo)通(tōng)量影(yǐng)像特征數據，并使用(yòng)特定方法，篩選出最有價值的(de)影(yǐng)像組學特征，進而再通(tōng)過AI模型訓練，建立起具有診斷、預後或預測價值的(de)模型，最終爲精準化(huà)、個(gè)體化(huà)診療提供有效支持。


圖七 放射組學基本分(fēn)析流程

如圖七所示，放射組學的(de)基本流程可(kě)分(fēn)爲數據收集、VOI分(fēn)割、特征提取、特征選擇、模型訓練以及模型評價及預測等步驟。爲了(le)更好地辨識醫學影(yǐng)像中的(de)細節，平台在特征提取步驟中會盡可(kě)能地提取更多(duō)數據特征，因此平台可(kě)能會面對(duì)“維度災難”等問題，即指在樣本量一定的(de)情況下(xià)，随著(zhe)輸入維度的(de)增加，空間數據會變得(de)更爲稀疏，這(zhè)會嚴重影(yǐng)響模型的(de)預測效果，并大(dà)幅增加平台計算(suàn)量，帶來(lái)推理(lǐ)效率的(de)下(xià)降。

爲應對(duì)這(zhè)一問題，彙醫慧影(yǐng)與英特爾一起，選擇LASSOCV、PCA等特征選擇算(suàn)法，來(lái)有效預防科研平台可(kě)能面臨的(de)維度災難，并幫助平台在壓縮數據的(de)同時(shí)保持信息損失最小化(huà)。爲提升這(zhè)些特征選擇算(suàn)法的(de)效率，科研平台不僅引入了(le)第二代英特爾®至強®可(kě)擴展處理(lǐ)器作爲算(suàn)力基石，還(hái)加持以面向英特爾®架構優化(huà)的(de)Python，來(lái)全面調優其運行效率。

與原生版的(de)Python相比，面向英特爾®架構優化(huà)的(de)Python内置最新的(de)矢量化(huà)指令，支持更多(duō)元化(huà)的(de)英特爾®性能庫(如英特爾®MKL)，同時(shí)也(yě)對(duì)重要的(de)第三方AI知識庫sklearn庫有著(zhe)良好的(de)支持，使平台特征選擇的(de)執行效率獲得(de)了(le)顯著提升。

算(suàn)法優化(huà)後的(de)效果如圖八所示，其左圖反映了(le)勾選全部放射組學特征，采用(yòng)K-Fold10交叉驗證的(de)LASSOCV算(suàn)法工作負載，采用(yòng)面向英特爾®架構優化(huà)的(de)Python後，其執行速度是采用(yòng)原生Python時(shí)的(de)2.12倍；其右圖則反映了(le)勾選全部放射組學特征，采用(yòng)K-Fold10交叉驗證的(de)LASSOCV+PCA算(suàn)法工作負載，采用(yòng)面向英特爾®架構優化(huà)的(de)Python後，其執行速度是采用(yòng)原生Python時(shí)的(de)2.08倍。


圖八 使用(yòng)面向英特爾®架構優化(huà)的(de)Python與使用(yòng)原生Python時(shí)的(de)性能對(duì)比

基于英特爾®至強®平台上述軟硬件融合輸出的(de)AI加速能力，彙醫慧影(yǐng)Radcloud大(dà)數據智能分(fēn)析雲平台已被引入20餘種疾病的(de)研究，并成功申報20餘項基金課題。更值得(de)一提的(de)是，平台基于放射組學的(de)AI方案也(yě)被用(yòng)于新冠肺炎的(de)精準鑒别和(hé)診斷，并在實踐中獲得(de)了(le)用(yòng)戶的(de)良好反饋。

未來(lái)展望


随著(zhe)AI、大(dà)數據等新技術的(de)落地與持續創新，整個(gè)醫療行業正在它們的(de)驅動下(xià)迎來(lái)巨變，尤其是通(tōng)過引入創新的(de)AI醫學影(yǐng)像解決方案，很多(duō)傳統意義上的(de)疑難雜(zá)症，乃至絕症正在被一一攻克，以往會帶來(lái)巨大(dà)災難的(de)傳染病，也(yě)開始在新技術、新平台的(de)幫助下(xià)實現更爲高(gāo)效的(de)防控。

面向未來(lái)，英特爾還(hái)将與彙醫慧影(yǐng)等合作夥伴一起，推動更多(duō)領先産品技術、尤其是與AI和(hé)數據分(fēn)析相關的(de)産品技術與醫療行業應用(yòng)需求的(de)深度融合，從而進一步加速醫療機構從信息化(huà)到智能化(huà)的(de)轉型，進而打造出更多(duō)樣化(huà)、也(yě)更有價值的(de)智慧醫療解決方案，造福全民健康事業。