首页 资讯 关注 科技 财经 汽车 房产 图片 视频 金融

黄金

旗下栏目:

构建长期共赢生态圈,英特尔至强平台加速人工智能落地

来源:网络整理 作者:网络整理 人气: 发布时间:2021-03-19
摘要:受疫情影响,AI医疗获得了前所未有的关注。在以肺部CT影像筛查为核心的新冠早期症状检测中,更是大显身手。 但在从技术到产品方案再到落地的部署中,具体经验是什么?软硬件结合中需要注意什么?AI医疗的下一阶段落地风口又在哪里? 数字化进程更上一层,

受疫情影响,AI医疗获得了前所未有的关注。在以肺部CT影像筛查为核心的新冠早期症状检测中,更是大显身手。

但在从技术到产品方案再到落地的部署中,具体经验是什么?软硬件结合中需要注意什么?AI医疗的下一阶段落地风口又在哪里?

数字化进程更上一层,万物开始互联、智联。

医疗行业为代表,一直以来,人工智能在医疗行业的应用从未停止,而且在这次疫情的影响下,医疗行业也步入了向智慧化转型的新阶段。

英特尔与汇医慧影合作,进行AI医学影像解决方案优化,借助集成英特尔深度学习加速技术的第二代英特尔至强可扩展处理器与OpenVINO 工具套件,汇医慧影Dr. Turing AI平台的推理性能大幅提升,为医疗机构提供更精准的诊断辅助。

构建长期共赢生态圈,英特尔至强平台加速人工智能落地

随着云、大数据、物联网、5G等技术的成熟据普及,人工智能应用也在更多场景落地。越来越多行业开启了智能化升级进程,面对企业用户业务扩展和工作负载需求,英特尔不断进行产品升级和技术创新,联合更多服务提供商,完善AI应用解决方案,帮助更多行业迈向智能化之旅。

加速转型,医疗行业开启智慧新阶段

疫情影响下,医疗行业的转型与升级不断提速,在这个过程中,人工智能的应用无疑发挥了重要作用。

我们都知道,我国医疗机构选择以核酸试剂检测作为新冠肺炎检测的主要诊断方式,同时以肺部CT影像检查为辅助方式进行筛查诊断。事实上,核酸检测的优点在于简单、快速,能够快速推广开来,但受到多因素影响,核酸检测存在一定概率的误判。而肺部CT影像检查是通过分析肺部真实影像来判别患者肺部是否出现病变,因此在早期新冠症状的检测敏感度上,肺部CT影像检查要优于核酸检测。

构建长期共赢生态圈,英特尔至强平台加速人工智能落地

然而,肺部CT影像检查的应用“门槛”也相对较高,不仅需要医生具有专业的CT影像分析能力,也需要对新冠肺炎征象有敏锐的临床判断力。这种情况下,就需要人工智能技术来帮助医生进行更精准的诊断。

汇医慧影致力于计算机视觉和深度学习技术应用开发,其自主研发的Dr. Turing AI平台、可为医院和患者提供10余种常见疾病的医学影像AI分析能力,并提供结构化的报告,这个平台也是此次新冠肺炎医学影像辅助诊断的前端先锋。

在实际应用中,Dr. Turing AI平台与需要进行一些有针对性的优化升级。

一方面,Dr. Turing AI平台需要通过收集大量新冠肺炎数据,由专业医生进行标注后,结合平台内置的深度学习算法,实现对肺炎病灶区精准分割和测量;

另一方面,Dr. Turing AI平台需要结合Inception V4、Inception ResNet V2等深度学习算法模型,将原本二维的CT切片进行一系列的“三维”重构,以便更加清晰直观地反映出量化数据。

这两个方面的优化会让Dr. Turing AI平台在推理和计算过程中有更高的性能要求,基于此,汇医慧影与英特尔合作,借助第二代英特尔至强可扩展处理器实现更强算力支持,同时还引入OpenVINO工具套件,对整个人工智能管道进行更新,将平均推理性能提升2.89倍。

事实上,这已经不是第一次英特尔与汇医慧影的合作。此前,汇医慧影就曾使用这对构成英特尔至强平台AI加速技术核心的组合,在该平台上构建了以ResNet-50卷积网络模型作为基础网络的RetinaNet目标检测模型,对乳腺癌影像实施模型训练及推理。

智慧医疗的进程不断加速,而英特尔与汇医慧影的合作,不仅证明了在医疗机构现有IT基础设施上部署和执行医学影像类AI应用的必要性,同时也将第二代英特尔至强可扩展处理器与OpenVINO工具套件组合的能力展现了出来,让其可以为更多医疗机构影像类AI应用提供强大支持。

当然,医疗行业的智慧化势在必行,但与其一样,诸如教育、交通、制造等多个领域都与AI应用有很高的契合度,英特尔软硬结合实力与全面的产品布局,能够助力企业用户从云到端的智能部署,将人工智能应用融入到业务发展的各个方面。

软硬结合,助力企业突破AI应用壁垒

对于很多企业来说,在业务环境中部署人工智能是必然选择,也是一项十分重大的投资。一般来讲,企业完成人工智能应用与业务的融合的过程中,都会经历一个相对固定的流程, 从场景需求的发现,到数据的采集与准备,再到模型的开发,最后是部署阶段,这也是AI的一条数据管道。

构建长期共赢生态圈,英特尔至强平台加速人工智能落地

事实上,每一个阶段都存在不同的挑战,对性能、存储等也有不同的需求,所以在实际应用中,就需要更具针对性的技术和产品,而英特尔则为每一个细化的问题提供解决方案。比如在数据的收集和清洗上,数据科学家往往需要约40%的时间,这大大提高了企业部署AI应用的负担。

针对此,英特尔通过第二代英特尔至强可扩展处理器来为企业加速这个流程。同时,英特尔傲腾持久内存能够将更多数据保存在靠近CPU的位置,进而实现更多实时处理。数据准备妥当后,使用英特尔傲腾固态盘来实现经济高效的高容量数据存储。

所以,通常在进行AI应用和基础架构部署时,企业往往选择CPU平台来运行人工智能,一方面是相比GPU平台更具性价比,另一方面则是在灵活、效率和可扩展性方面都有明显优势。

灵活性方面,英特尔至强平台能够支持广泛的工作负载。目前,大多数机器学习和深度学习推理都在CPU上运行,在多数情况下,CPU是深度学习训练的理想选择;

效率方面,企业通过对人工智能工作负载需求与当前系统使用情况进行对比,可以确定在何处以及如何为这些工作负载优化资源配置,并且以利用现有CPU从备用容量中为人工智能工作负载提供更多使用空间。

在一些视觉或语音等特定知识领域,英特尔面向英特尔架构对被广泛采用的人工智能软件框架、库和工具进行优化,来大幅提高其应用性能,以此来保持较高的性能功耗比和性价比,使PUE比率尽可能接近1。比如对在ResNet-50上运行图像分类的工作负载而言,相比于最初发布的英特尔至强铂金8180处理器,利用集成面向ResNet-50的英特尔深度学习加速技术的英特尔至强铂金8280处理器和面向英特尔架构优化的Caffe版本框架,最高可将推理性能提高14倍。

责任编辑:网络整理