从数据中心至边缘新华三携手NVIDIA为边缘AI解决方案加速

随着物联网和人工智能的发展,数据量呈现指数级增长,越来越多的数据需要在网络边缘进行存储、分析和处理,这对边缘计算能力提出了极大挑战。为了帮助企业轻松应对日益增长的数据,紫光旗下新华三集团与全球领先的AI计算平台提供商英伟达强强联手,基于英伟达EGX智能边缘计算平台,共同打造全套服务器解决方案,为从数据中心到边缘的AI能力实现加速,从而向行业用户提供实时AI服务。

其中,新华三集团H3C UniServer R4900 G3与H3C UniServer R5300 G3服务器已完成英伟达NGC-Ready for Edge认证,能够与EGX软件堆栈兼容,使大规模混合云和边缘运营变得高效。这些服务器可以支持边缘复杂的计算密集型AI应用程序工作负载,从而快速采集业务数据并进行实时分析,以做出即时预测和应急响应。

那么,胸部 X 射线图像解读是否也可以与人工智能相结合?

随着人工智能成为当前数字化转型最具发展潜力的创新技术之一,GPU也在满足客户计算需求方面扮演着更加重要的角色。作为业界领先的数字化解决方案领导者,新华三集团将把自身涵盖多个领域的技术积累和行业实践优势,与英伟达卓越的GPU产品结合,为客户开启智能化变革时代。

此外,Google AI 曾通过眼部扫描,诊断糖尿病视网膜病变的进展;Alphabet 子公司 DeepMind 的 AI 曾为 50 种眼部疾病推荐合适的治疗方案,准确率高达 94%。

纵观整个研究,首先,研究人员开发了一个基于文本的系统,提取每张 X 光片的放射学报告并加以运用,为阿波罗医院数据库中超过 56 万幅图像提供标签。为了减少基于文本的标签提取过程中可能出现的错误,并为若干 ChestX-ray14 图像提供相关标签,他们专门招募放射科医生,检查这两个数据库中的约 3.7 万幅图像。

雷锋网原创文章,。详情见转载须知。

创立于2017年的「AI最佳掘金案例年度榜单」,是业内首个人工智能商业案例评选活动。雷锋网从商用维度出发,寻找人工智能在各个行业的最佳落地实践。

实际上,用机器学习算法分析胸部 X 射线图像,说起来容易做起来难。这是由于在通常情况下,训练算法所需的临床标签,是通过基于规则的自然语言处理或人工注释获得的,两者往往不一致,且错误较多。同时,仅以图像为依据,很难收集包含大量病例的数据库,并建立一致的、具有临床意义的标签。

近日,为推进 X 射线图像分类的目标,Google 的研究人员发现,利用人工智能模型分析胸部 X 射线图像,可检测四项指标:气胸(肺萎陷)、结节和肿块、骨折和气腔模糊(树芽征)。在一篇发表在《自然》(Nature)杂志的论文中,研究小组称,经专家独立审查,这一模型已达到放射科医生的水平。

Google 指出,尽管这些模型的准确性总体上达到了专家水平,但各个数据库的结果却各不相同。例如,对于 ChestX-ray14 图像,同一放射科医生检测气胸的灵敏度约为 79%,但对于其他数据库,检测气胸的灵敏度仅有 52%。

下一步是生成用于模型评估的高质量参考标签。三名放射科医生通过小组合作的形式,审查所有结果,测试数据库图像,并在线讨论解决相互之间的分歧。这项研究的合著者也表示,通过这种方式,原先只能通过放射科医生检测到的结果,也能被准确地识别并记录下来。

雷锋网(公众号:雷锋网)年度评选——寻找19大行业的最佳AI落地实践

专为高性能、高容量和高扩展而设计的H3C UniServer R4900 G3服务器,不仅实现了最高71%的性能提升和27%的内核数量增加,同时高达10个PCIe 3.0插槽以及多达40块硬盘的本地存储支持,将全面满足数据中心横向扩展需求。

这项最新研究,利用了来自两个反识别数据库的 60 多万张图像。其一是与印度阿波罗医院合作开发的数据库,包含多年来从各地收集到的 X 射线。其二是由美国国立卫生研究院发布的 ChestX-ray14 公开图像库,该图像库曾为人工智能研究提供支持,但在准确性方面存在不足。

数据库之间的差异,证明了建立具有明确参考指标的标准化评估图像库的必要性,方便在不同研究之间进行比较。但同时,将人工智能和放射科医生各自的优势相结合,很可能是人工智能应用于医学图像解读的最佳方式。

研究小组已经在开源中创建了 ChestX-ray14 数据库,数据库包含 2412 个训练、验证集图像,1962 个测试集图像,总共 4374 个图像。David Steiner 和 Shravya Shetty 表示,他们希望通过 ChestX-ray14 数据库的判定标签,为以后的机器学习奠定基础,并推动机器学习模型之间的比较,从而更精准地解读胸部 X 射线图像。

而专注于人工智能业务的H3C UniServer R5300 G3,更是在计算性能、存储能力、网络性能、扩展性及稳定性等方面获得全面提升,综合性能位居GPU服务器领先位置。企业可以通过部署该平台满足多样化的业务场景,如高性能计算、大数据分析、人工智能等。