|
人工智能有助于提高手术室肿瘤诊断 为了帮助神经外科医生更有效地诊断脑瘤，密歇根大学的研究人员开发了一种基于深度学习的成像技术，可以将手术期间的肿瘤诊断过程从30-40分钟缩短到不到3分钟。 这项技术于2017年首次亮相，被称为“ Stimulated Rama Histology”(SRH)，它可以帮助神经外科医生在手术室中更快速地评估肿瘤组织。使用深度学习对肿瘤进行分类，并在术中从新鲜切除的标本中生成数字图像。 在《自然医学》杂志的一篇新论文中，密歇根医学的首席神经外科住院医师Todd Hollon医学博士和纽约大学朗格尼健康中心的神经外科副教授Daniel Orringer医学博士及其同事描述了他们对这项技术的最新临床试验。 该论文的第一作者霍伦说“这是第一个评估人工智能在手术室应用的前瞻性试验，”。“我们已经完成了基于人工智能的工作流程的临床翻译。” 研究人员说，自从这项技术首次被开发出来以来，已经有超过500名患者使用它作为神经外科和耳鼻喉科的一线诊断工具。 使用CUDA、NVIDIA RTX GPUs训练的Convolutional Neural Network (CNN)和cuDNN-accelerated TensorFlow deep learning framework训练的Convolutional Neural Network (CNN)模型，输出类涵盖了美国90%以上的脑瘤诊断，分类准确率为94.6%。 通过模拟拉曼组织获得的来自415位患者的250万张图像上训练了用于该模型的CNN。 《自然》杂志的资深作者Orringer说“我们的研究报告的结果代表了密歇根医学公司历时9年的旅程的高潮，该旅程旨在开发和实施更好的脑肿瘤手术方法-一种利用光学和人工智能决策的进展-做出更安全，更有效的决策 。 -------------------------- Nuance将会话AI训练加速50% 下面这篇文章是Nuance的客座文章，Nuance是一家专注于会话人工智能的公司。在这篇文章中，Nuance工程师描述了他们使用NVIDIA的自动混合精度来加速他们在医疗行业的人工智能模型。 作者:滕文轩、拉尔夫·莱博尔德和加甘迪普·辛格 Nuance的环境临床智能（ACI）技术就是通过使用NVIDIA的自动混合精度功能来训练其自动语音识别（ASR）和自然语言处理（NLP）模型来加速开发美国医疗系统中紧急问题的解决方案的一个示例，带有Tensor Core的Volta和Turing GPU上。 ACI解决了世界医学协会(World Medical Association)所说的由大量电子文件造成的“医生职业倦怠大流行”。医生每提供一个小时的医疗服务，就要花两个小时来完成文件。这种文档负担迫使医生在与患者见面时或下班后与他们的计算机进行交互，或者两者兼而有之。 Nuance基于其在ASR和NLP方面的核心能力开发了ACI，并在医疗保健的语音技术领域积累了20多年的专业知识。它使用环境感应和对话AI来自动记录病人的检查。ACI消除了文档的干扰，允许医生专注于关注病人的护理，而不是报告。 为更多的医生提供ACI是Nuance的首要任务。投入市场的时间取决于Nuance如何快速地训练和评估深入学习算法，以提高模型性能。 使用自动混合精度运行在TensorFlow上，Nuance实现了在NVIDIA Volta GPU上的ASR和NLP模型训练的50%的加速，同时又不损失精度，有助于缩短他们的上市时间。只需一行代码就可以激活自动混合精度带来的性能提升。 混合精度训练使用半精度(FP16)浮点算法执行大多数操作，从而提高了吞吐量并减少了内存占用，同时保持了全精度(FP32)浮点运算。NVIDIA的自动混合精度特性集成在主要的深度学习框架中，如TensorFlow和PyTorch，可以自动进行所有需要的调整，而无需手动更改网络建模或参数。 Nuance研究人员期望通过利用减少的内存占用来增加训练批大小，从而获得更多的收益。他们在其他深度学习语言处理应用程序中也获得了显著的性能提升。这些较短的培训时间使Nuance能够将更准确的临床会话应用程序部署到医生手中，以改进患者护理。 Nuance的ACI和其他临床解决方案得益于他们在NVIDIA Tensor Core GPU上的自动混合精度。最终，我们都会受益，因为它让医生重新开始做他们训练的和热爱的事情，并在我们最需要的时候，给予我们医生全神贯注的关注。 点击“阅读原文”了解更多开发者新闻。
| 
