人工智能和机器学习技术正在彻底改变医疗诊断领域

概述

在Covid 19流行过后，行业复兴的最大赌注是5G技术在全球的大规模实施。人们普遍预计，5G的增强型移动宽带（eMMB）的速度将达到4G速度的20倍，超可靠低延迟通信（URLLC）和大规模机器型连接（mMTC）将改变世界。5G最重要的应用案例之一是其在医疗领域的应用，涵盖了远程手术、远程病人监测等多种应用，具有巨大的商业潜力。例如，远程医疗市场预计将在2017年至2023年以16.5%的年复合增长率增长，与5G技术的大规模应用同步。

医疗行业本身在技术上得到了转变，这些年来，现在每天都会产生大量的数据。从病人的医疗记录到核磁共振、CAT或PET扫描产生的大型图像文件，一个病人每天可以产生数百千兆字节的数据。例如，根据探测器面积和像素大小，数字乳房X光检查的图像矩阵可能高达4800×6000像素，文件大小超过50MBytes。

与此同时，人工智能和机器学习（AI/ML）正在彻底改变医疗诊断领域。医学影像将大量应用于疾病的早期诊断、检测和治疗。例如，胰腺癌的早期检测具有挑战性，因为癌症的特异性症状只发生在晚期，而且缺乏一种可靠的筛查工具来识别高危患者。研究人员正试图通过开发一个人工神经网络（ANN），对其进行训练，并利用现有的健康数据进行测试，从而找到解决方案。我们当然也看到，在严重依赖医学影像和人工智能的健康产业中，出现了人工智能辅助的工作流程。

印度FastStream Technologies公司正在设计的超级边缘医疗SoC（SEMC）就是为了满足医疗行业的这一特定需求。原始设备制造商和系统设计师将能够利用这种完全集成的边缘SoC来创建今天无法实现的解决方案。该SoC解决方案的主要差异化因素之一是，它可以在全5G连接的情况下运行，如果需要，它可以在成熟的边缘模式下运行，包括边缘计算、边缘推理、边缘存储，甚至是私有边缘云。

SEMC的主要模块。

1- 边缘计算引擎：8个Cortex-A78 CPU核心，运行频率高达3.0 GHz--医疗设备的寿命为8-10年，我们已经整合了足够的计算能力来满足现在和未来的需求。这也是运行未来大型机器学习模型的需要。

RAM- 32 GB，4个72位（64位+ECC）3.2 GT/s LP DDR4 SDRAM带ECC的内存控制器。

支持4X8 GB 2666 MHz-模块。

2- 4K/8K视频处理。4颗Mali-G78第二代高级GPU基于Mali Valhall架构，可实时处理4K/8K视频（最高7680X4320），在巨大的98英寸多显示器上呈现。

3-边缘推理处理器：1 X ARM NPU ETHOS-N78 高扩展性和高效的第二代ML推理处理器。

4- Private Edge Cloud for Super Storage ： 32条SerDes通道，PCIe Gen4支持高达16 Gbps的数据传输速率。四个PCIe Gen 4.0 8-lane控制器，使用PCIe Gen4连接，主板将有2个连接器，用于2个8TB NVMe PCIe Gen 4 M.2 2280内部高性能固态硬盘（SSD）。在此配置的SSD硬盘上市之前，可以使用容量较低的SSD，最高可达2TB。

5- 支持96英寸UHD（超高清）显示器。远程手术需要通过4X HDMI 2.0端口以120 Hz的频率将高清实时视频投射到大型UHD显示器上。

6- 5G - 5G连接将通过使用外部第三方调制解调器（如Quectel RM500Q-GL）实现。它是一个针对边缘应用优化的5G模块。

7- 安全性。Cortex A-78中的Trust Zone技术用于运行可信赖的启动和可信的操作系统，以创建一个可信的执行环境（TEE）。典型的使用案例包括保护认证、加密、支付、密钥材料和数字权利管理（DRM）。边缘云安全是通过SSD内置的。硬件：AES 128/256位（XTS、CTR、CBC、ECB模式）、SHA 160/256/512、RSA 2048 SW：TCG支持和Opal 2.0、Pyrite、Sanitize和Crypto Erase。

8- 其他接口：2个MIPI CSI-2，SD/eMMC，2个USB 3.0控制器集成PHY，4个I2C，4个UART，24个GPIO，3个HDMI，Wi-Fi，BT-5.0（医疗设备直接连接）

9- 操作系统 ： Linux系统

5G使这一切成为可能，它将设备之间的延迟缩短到几乎是瞬时的2毫秒，让外科医生在千里之外也能进行手术，仿佛就在病人身边。患者的所有医疗记录都存储在外科医生的本地边缘云中，由SSD提供的16TB存储空间。通过固态硬盘的PCIe Gen 4连接，可以即时检索，并显示在98英寸的大屏幕上。患者端的所有医疗过程监控设备的实时数据都显示在外科医生的UHD 98英寸显示器上。

未来，混合现实（MR）和机器人手术也可以通过同一平台实现，整个手术过程仅由远程医生完成。

在医疗过程中，所获得的高分辨率医疗图像可以输入到已经训练好的机器学习模型中，存储在边缘云中，并使用强大的ETHOS快速推理。
责任编辑：tzh

诊断机器学习人工智能训练

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。