展會信息港展會大全

南開大學提速眼底圖像AI分析,采用FPGA開源框架浪潮TF2
來源:互聯網   發布日期:2021-01-27   瀏覽:2127次  

導讀:北京2021年1月26日 /美通社/ -- 近日,TF2開源社區(網址:https://github.com/TF2-Engine/TF2)公布了一項最新創新成果:南開大學智能計算系統研究室(NKiCS)在AI眼底圖像血管分割研究中,借助浪潮FPGA開源框架TF2,將單張眼底圖像的推理速度提升2.4倍,在...

北京2021年1月26日 /美通社/ -- 近日,TF2開源社區(網址:https://github.com/TF2-Engine/TF2)公布了一項最新創新成果:南開大學智能計算系統研究室(NKiCS)在AI眼底圖像血管分割研究中,借助浪潮FPGA開源框架TF2,將單張眼底圖像的推理速度提升2.4倍,在提高工作效率的同時有效地降低了計算功耗。這將推動眼底圖像分析技術在臨床應用,幫助醫生更快速地診斷與眼底相關聯的糖尿病及其他慢性疾玻

眼睛是人體健康的“鏡子”,眼底圖像可以間接反應腦血管系統等的病變情況,具有非侵入的優點。通過從檢眼鏡采集的彩色眼底圖像中提取視網膜血管,醫療人員能夠分析血管形態狀況,進行疾病預警、篩查和診斷。但是,受眼底圖像采集技術的限制,圖像中往往存在大量噪聲,再加之視網膜血管結構復雜多變,使得視網膜血管分割非常困難。人工智能深度學習技術能夠顯著提升血管分割的速度,幫助醫療人員快速、準確分析眼底血管形態,診斷糖尿并心腦血管疾病等常見疾玻

眼底圖像(左)與血管圖像(右)

在實際應用中,由于血管分析模型參數量大、計算復雜度高等問題,一般需要昂貴的GPU才能達到較快的分割速度,不利于眼底圖像技術的臨床推廣應用。如何提高眼底圖像分割效率并降低TCO,是研究人員亟需解決的問題。NKiCS研究人員嘗試將高性能功耗比、可定制、低延遲的FPGA技術運用到眼底圖像血管分割中,但面臨FPGA軟件編寫門檻高、性能優化受限、功耗難以控制等挑戰。

浪潮FPGA開源框架TF2支持PyTorch、Caffe等深度學習框架,經過編譯技術即可適配訓練好的深度學習模型到FPGA上,而不需要任何的FPGA開發工作,可幫助用戶快速實現基于主流AI 框架和深度神經網絡模型(DNN)的FPGA線上推理,并通過首創的FPGA上DNN的移位運算技術獲得AI 應用的高性能和低延遲。

TF2計算加速流程

為了促進FPGA技術的開源開放合作發展,降低高性能AI計算技術門檻,TF2開源社區推出了可重構AI計算發展計劃,為參與者提供F10A、F37X等最新FPGA加速卡支持,鼓勵參與者將創新性成果反饋至社區,并提供針對性的技術培訓和服務,支持項目開發和落地。

在TF2開源社區的助力下,NKiCS采用TF2和浪潮F10A FPGA加速卡適配BTS-DSN神經網絡模型,實現了眼底血管圖像實時分割,大幅提升了工作效率,并降低了功耗和TCO。研究人員首先利用TF2的模型優化轉換工具Transform Kit對網絡模型實現模型轉換、模型壓縮與特征圖量化,并生成適配TF2智能運行引擎Runtime Engine的網絡模型文件,然后與Runtime Engine提供的計算架構相結合并編譯為FPGA目標文件,最后實現基于FPGA的神經網絡推理計算加速,高速處理眼底血管分割任務。實測結果顯示,單張眼底血管圖像推理僅需0.0434秒,相較于GPU提速2.4倍,同時加速卡功耗僅35W,有效提升了性能功耗比。

除了加入TF2開源社區,為了推動AI眼底血管圖像分析技術走向臨床應用,NKiCS也在努力推動眼底圖像數據的開源開放。NKiCS聯合多家權威醫學機構,發布了OIA數據集(鏈接:https://github.com/nkicsl/OIA),填補了中國眼科圖像數據領域的空白。OIA是基于臨床環境的、高質量的、數據樣本充分的系列數據集,包括面向糖尿病視網膜病變分類和病變點分割的數據集OIA-DDR,以及基于眼底圖像的多類型病變分類的數據集OIA-ODIR,從來自全國26個省份,400多家臨床醫院的160多萬張眼底圖像庫中,通過專業人員抽娶眼科專家標注、計算機專家建模評測而得到。

隨著眼底圖像處理效率提升和數據集不斷完善,NKiCS開發的眼底圖像分析技術將在不久的將來應用到臨床,幫助醫生更高效、更精準地診斷與眼底相關聯的疾病,讓更多患者得到及時的干預與診療。

贊助本站

人工智能實驗室
AiLab云推薦
展開
Copyright © 2010-2021 AiLab Team. 人工智能實驗室 版權所有    關于我們 | 聯系我們 | 廣告服務 | 公司動態 | 免責聲明 | 隱私條款 | 工作機會 | 展會港
AG体育app,AG体育投注,AG手机平台,AG体育平台