Xilinx ha introdotto un modello di deep learning della classificazione medica X-ray estremamente funzionale e compreso di reference kit, in associazione con Spline.AI su Amazon Web Services (AWS). Il modello ad alte prestazioni è implementato sul dispositivo Xilinx Zynq UltraScale+ MPSoC basato su ZCU104 e sfrutta la Xilinx deep learning processor unit (DPU), un acceleratore di tensione soft-IP, che è abbastanza potente da far funzionare una varietà di reti neurali, compresa la classificazione e la rilevazione delle malattie.
La soluzione sviluppata in collaborazione utilizza un modello open-source, che funziona su una piattaforma di programmazione Python su un dispositivo Xilinx Zynq UltraScale+ MPSoC, il che significa che può essere adattato dai ricercatori per soddisfare le diverse esigenze specifiche delle applicazioni. La diagnostica medica, i produttori di apparecchiature cliniche e i fornitori di servizi sanitari possono utilizzare il design open-source per sviluppare e implementare rapidamente modelli addestrati per molte applicazioni cliniche e radiologiche in un dispositivo mobile, portatile o point-of-care edge con la possibilità di scalare utilizzando il cloud.
Per saperne di più su come il design open-source può essere utilizzato per sviluppare un flusso radiologico cliccare qui.
"L'AI è una delle aree di applicazione sanitaria in più rapida crescita e ad alta domanda, quindi siamo entusiasti di condividere questa soluzione adattabile e open-source con l'industria", ha detto Kapil Shankar, vice presidente del marketing e dello sviluppo del business, Core Markets Group di Xilinx. "La soluzione offre bassa latenza, efficienza energetica e scalabilità. Inoltre, poiché il modello può essere facilmente adattato ad applicazioni cliniche e diagnostiche simili, i produttori di apparecchiature medicali e i fornitori di servizi sanitari hanno la possibilità di sviluppare rapidamente future applicazioni cliniche e radiologiche utilizzando il kit di progettazione di riferimento".
Il modello di intelligenza artificiale della soluzione è addestrato utilizzando Amazon SageMaker ed è distribuito da cloud a edge utilizzando AWS IoT Greengrass, consentendo aggiornamenti remoti del modello di machine learning, inferenza distribuita geograficamente e la capacità di scalare attraverso reti remote e grandi aree geografiche.
"Amazon SageMaker ha permesso a Xilinx e Spline.AI di sviluppare una soluzione di alta qualità in grado di supportare una diagnostica clinica altamente accurata utilizzando apparecchiature mediche a basso costo", ha dichiarato Dirk Didascalou, Vice Presidente dell'IoT di Amazon Web Services. "L'integrazione di AWS IoT Greengrass consente ai medici di caricare facilmente le immagini X-ray nel cloud senza la necessità di un dispositivo medico fisico, consentendo ai medici di garantire l'esecuzione delle proprie cure fino ai luoghi più remoti".
Syed Hussain, CTO di Spline.AI ha aggiunto: "Gli MPSoC Xilinx Zynq UltraScale+ sono dispositivi Edge ideali per l'implementazione scalabile di modelli di deep learning ad alte prestazioni in un ambiente clinico, come il nuovo modello COVID-XS che abbiamo lavorato per formare e sviluppare per questo sforzo collaborativo".
La soluzione è stata utilizzata per un sistema di rilevamento della polmonite e del Covid-19, con livelli di accuratezza elevati e bassa latenza di inferenza. Il team di sviluppo ha sfruttato oltre 30.000 immagini etichettate come polmoniti guarite e 500 immagini Covid-19 per addestrare i modelli di deep learning. Questi dati sono resi disponibili per la ricerca pubblica da parte di istituti sanitari e di ricerca come il National Institute of Health (NIH), l'Università di Stanford e il MIT, così come altri ospedali e cliniche in tutto il mondo.
