首页 > 最新资讯 > RSNA19 | NGC中容器化的医学影像软件为边缘提供AI
RSNA19 | NGC中容器化的医学影像软件为边缘提供AI

RSNA19 | NGC中容器化的医学影像软件为边缘提供AI

2019-12-04 19:06

#人工智能 #深度学习


NGC中数十个容器化的、GPU加速医疗应用程序,帮助简化AI部署。

如今,AI医疗初创企业们正在开发数以千计的应用程序和设备,以建设新一代智能化医院。然而,如此之多的应用程序数量,以及如此之快的创新速度,也给应用程序部署和运行环境带来了新的挑战。

云革命为部署AI和应用程序提供了所需的基础设施,可以供数百万用户即时部署、访问AI应用程序。随着越来越多的AI应用程序被应用于医疗服务当中,医疗行业正在寻求一种解决方案,使其能够在医院内部获得类似于云的体验。

为了能够解决医疗行业中的关键性挑战——如患者数据保护和实时应用程序交付,AI开发者采用NVIDIA NGC将解决方案推向市场,这些解决方案既可以本地化部署也可以在远端部署,在边缘计算平台上搭建,以扩展到更多客户,进而以更快的速度地进入市场。

使用云原生基础设施简化边缘AI部署

NGC是一个GPU加速软件中心,它提供的容器化应用程序和AI框架,可以运行于云原生的Kubernetes集群上,经过优化的Kubernetes集群可以用于NVIDIA GPU加速。

容器化是一种用于应用程序部署的行业标准化设计模式,借助于Kubernetes提供的统一部署平台,其可以跨边缘、数据中心、云和混合环境部署。

借助于NGC的容器和Helm图表,IT管理人员能够快速、轻松、一致地将应用程序部署在本地或远程系统中心,让用户可以更快地访问应用程序和工作负载。

NGC容器化应用程序经过测试和优化,可以在NVIDIA EGX上运行。NVIDIA EGX是一个软件栈,运行于一系列经过验证的NGC-Ready边缘服务器之上。系统管理员可以方便地远程安全地建立一个边缘服务器集群,满足医院对数据安全和实时智能的需求。

如今,NGC注册列表中已经包含了许多应用程序供应商所开发的应用程序,还有更多的应用程序将被纳入列表当中:

16 Bit是一个AI医学图像分析系统,其早在2017年就创建了性能最好的RSNA骨龄预测模型,并正在研究相关的算法,以彻底改变乳腺癌和骨质疏松症筛查模式。

美国放射学会人工智能实验室提供了一个平台,允许ACR成员使用本地的注释数据创建和共享模型。

CuraCloud为需要机器学习和生物信息学研发能力的医疗技术供应商、医疗机构和制药公司提供AI专业服务。

DDH提供了一个安全、智能的医疗解决方案,能够将临床医生丰富的医学知识和经验赋予机器,使其能够自动执行医疗影像分析任务。

DeepTek.ai使用内部创新的“辅助和增强”成像聚焦算法工具进行医学成像——如放射照相、CT扫描和MRI。

Infervision针对于医学影像提供了AI辅助诊断产品,使医疗行业能够快速、准确地获得疾病诊断结果,并帮助医生优化决策。

Inform AI 的AI医疗解决方案,可以加快医疗诊断、提高放射科医生的工作效率。

Kaliber Labs 为外科医生开发AI模型,用于实时解析患者解剖和病理的视频信息,以及外科医生在手术室内的活动。

LPixel开发了先进的医学图像诊断应用程序和生命科学图像分析解决方案,包括磁共振血管造影未破裂脑动脉瘤检测应用程序,目前该应用程序已通过日本监管认证。

Lunit开发了用于精确诊断和治疗的AI解决方案,尤其是癌症治疗,其目标是使数据驱动医学成为新的医疗标准。

QUIBIM拥有一个专有的软件平台,并开发跨成像模式的AI算法,其重点关注于神经、胸部、身体和肌肉骨骼分析算法。

Rad AI与放射科团队合作,简化放射科报告,帮助放射科人员将重复和耗时的任务实现自动化,从而提高生产力,同时降低放射科人员倦怠的风险。

Radiobotics正在构建一个AI算法,使肌肉骨骼放射科医生能够在日常工作中发挥作用。

Shukun 正在开发AI技术,帮助医生提高心脑血管疾病和肿瘤的诊断效率和准确性。

Smart Reporting 提供了用于医疗诊断中结构化报告和临床指导的AI软件,以提高生产力和质量,并实现全面数字化流程。

TrainingData.io为可视化AI提供高精度的训练数据标签,为工程师提供几个数量级的加速,并使数据科学家能够控制训练数据的质量。

United Imaging Intelligence 开发并生产了一整套先进的医疗产品,覆盖了影像诊断和治疗的全过程。

Vuno开发了一个医疗数据分析平台,该平台能够使用AI算法分析患者的影像数据,并获得见解,以帮助研究人员和医生快速准确地识别疾病。

Vysioner为放射肿瘤学家提供了一个基于深度学习的脑肿瘤自动轮廓系统,该系统可以识别三种最常见的脑肿瘤——脑转移瘤、脑膜瘤和听觉神经瘤,从而让放射肿瘤学家能够提供精确的放射外科治疗。

XNAT提供了一个开源成像研究平台,用于管理数据集、训练和推理管线,并集成了NVIDIA Clara SDK。

更多成果展示尽在RSNA 2019

在本周于芝加哥举行的RSNA 2019现场,有超过50家NVIDIA初创加速计划合作伙伴在RSNA AI剧院和NVIDIA 10939号展位上分享他们在放射工作流程方面的医学成像应用程序。

相关新闻