进军联邦学习,英伟达在RSNA上发布医疗AI最新产品

在本周日举行的北美放射学会(Radiological Society of North America,RSNA)年度大会上,英伟达推出了基于 Clara 的联邦学习新产品,它利用分布式协作机器学习技术,能够将患者数据保存在医疗服务机构内部,同时帮助医生进行准确而高速的诊断。

与此同时,英伟达也展望了 Clara 联邦学习运行于最近发布的NVIDIA EGX智能边缘计算平台上的前景。

医疗保健是人工智能应用和服务增长最快的市场之一,其总市场预计到2021年将达到66亿美元。今天的AI系统可以通过计算机视觉算法分析超声扫描、检测眼病等医疗影像,也可以在在诊疗过程中通过自然语言处理技术进行病人的早期筛查,甚至还有研究可以通过检测病人在病房中的动作对紧急情况进行预警。对于英伟达来说,医疗行业中的算力是其准备占领的目标。
3.png在正式发布前不久,英伟达负责医疗业务的全球副总裁Kimberly Powell与我们分享了关于英伟达全新医疗成像平台的相关细节。

联邦学习:保护隐私的AI技术

Clara 联邦学习(Clara Federated Learning),是一款用于分布式协作型AI模型训练的参考应用程序,可保护患者隐私。这些分布式客户端系统运行于由全球系统制造商打造的面向边缘的NVIDIA NGC-Ready服务器上,可在本地执行深度学习训练,并协作训练出更准确的全局模型(global model)。

英伟达表示,这一工具的其工作原理如下:联邦学习应用程序被打包到Helm图表中,简化了在Kubernetes基础架构上的部署。NVIDIA EGX平台将对联邦服务器和协作客户端进行配置,提供启动联邦学习项目所需的算力和模型,包括应用程序容器和初始AI模型。
4.pngNVIDIA Clara联邦学习采用分布式训练,跨医院开发AI模型,无需共享个人数据。
参与这一项目的医院可以使用NVIDIA Clara AI辅助注释SDK来标记自家患者数据,该SDK集成于3D Slicer、Mitk、Fovia和Philips IntelliSpace Discovery等医疗器械中。使用预先训练的模型和迁移学习技术,放射科医生们能够快速对医疗影像进行标记和处理。英伟达称,在AI的帮助下,复杂的3D研究时间将从几小时减少到几分钟。

对于参与项目的各家医院来说,EGX服务器会基于其本地数据来训练全局模型。本地训练结果通过安全链接共享回联邦学习服务器。这种方法只会共享对模型权重的修正,而不共享病例,从而能够保护隐私,以便通过联合平均来构建新的全局模型。

而对于AI算法而言,这一过程将会反复进行,不断提升精度。这种分布式方法可以充分发挥深度学习的强大之处,同时也能够确保患者数据安全和隐私。

全球顶级医院参与合作

英伟达的联邦学习计划找到了全球的一些顶级医院,其中包括北京大学第一医院进行合作。英伟达称,很快还会公布更多的医院(特别是中国医院)的合作计划。「在合作的过程中,我们发现中国的医疗系统非常看好这种方式,」Powell说道。「通过本地数据中心和端侧计算设备,结合云端机器学习模型的方法符合全球各地的法规要求。同时也可以让先进的AI技术覆盖大量患者。」

在今年11月10日复旦大学医院管理研究所发布的「复旦版中国医院排行榜」中,北京大学第一医院排名第十。

全球其他地区中,美国放射学院(American College of Radiology,简称ACR)、麻省总医院(Massachusetts General Hospital)和加州大学洛杉矶分校医疗中心(UCLA Medical Center)也率先采用这些技术,致力于为自己的医生、患者和医疗设施开发个性化的AI应用。

ACR正在其国家医疗成像平台AI-LAB中试用NVIDIA Clara 联邦学习。AI-Lab将助力ACR的38,000名医疗成像会员安全地构建、共享、调整并验证AI模型。对于希望使用AI-Lab的医疗机构来说,英伟达提供了多款面向边缘的NVIDIA NGC-Ready 系统可供选择,与之合作的OEM厂商包括戴尔、HPE、联想和Supermicro。

加州大学洛杉矶分校放射科也在使用NVIDIA Clara 联邦学习,将AI的强大功能引入放射科。作为顶级学术医学中心,加州大学洛杉矶分校参与了Clara 联邦学习系统的开发,并计划在未来将其扩展到更广泛的加州大学系统中。

新英格兰的美国联盟医疗体系 ( Partners HealthCare )也宣布了一项采用NVIDIA Clara 联邦学习的新计划。麻省总医院和布莱根妇女医院临床数据科学中心将利用美国联盟医疗体系系统中的数据资产和临床专业知识,逐渐开展联邦学习医疗项目。

在英国,英伟达正与伦敦国王学院(King's College London)和Owkin合作,为英国国家医疗服务体系(National Health Service)搭建联邦学习平台。运行于NVIDIA Clara上的Owkin Connect平台使算法能够从一家医院传输到另一家医院,在医院的本地数据集上进行训练。该平台为每家医院提供一个区块链分布式分类账,用于捕获和跟踪用于模型训练的所有数据。

该项目最初将伦敦的四家一流教学医院相连,为其提供AI服务,以加速癌症、心衰和神经退行性疾病等领域的研究工作,并将于2020年扩展到至少12家英国医院。
 
让医院里的一切都变得智能

随着传感器的迅速普及,全球各地的医疗中心对于智能系统的需求正在逐渐增多。要使传感器变得智能,设备需要一台强大且低功耗的AI计算机。

英伟达在RSNA上展示了Clara AGX,这是一款嵌入式AI开发工具包,可在高数据速率下进行图像和视频处理,将AI推理和3D可视化技术应用于看护点。

Clara AGX搭载的是与自动驾驶汽车控制处理器相同的 NVIDIA Xavier SoC。其功耗仅为10W,适合嵌入于医疗仪器当中或在小型本地系统中运行。

在发布中,还有一款革命性的移动式MRI检测设备现身:HyperFine是Clara AGX的一个完美应用案例,它是全球首款便携式医疗MRI系统。

5.jpgHyperFine系统是众多医疗仪器、手术套件、患者监控设备和智能医疗摄像头中首批有望采用Clara AGX的系统之一。通过英伟达提供的算力和技术,医疗物联网产品在未来或许会出现更多类型的新产品。
6.jpg英伟达表示,NVIDIA Clara SDK不久之后会通过其“早期接入计划”推出,其中包括两款常见参考应用程序——针对内窥镜视频的AI推理和用于超声的软件波束成形。

产业联邦学习英伟达
相关数据
边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

迁移学习技术

迁移学习是一种机器学习方法,就是把为任务 A 开发的模型作为初始点,重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务,虽然大多数机器学习算法都是为了解决单个任务而设计的,但是促进迁移学习的算法的开发是机器学习社区持续关注的话题。 迁移学习对人类来说很常见,例如,我们可能会发现学习识别苹果可能有助于识别梨,或者学习弹奏电子琴可能有助于学习钢琴。

推荐文章
暂无评论
暂无评论~