Xilinx AI它有什么作用，提升医疗成像
（文章来源：电子工程世界）
在医疗成像领域，以机器学习（ml）和深度学习（ dl ）技术为代表的人工智能（ ai ）的普及势必将推动这一领域的转型。凭借各种机器学习驱动的工具，所有医疗生态系统内的患者、医疗服务提供商、医院、专业人士以及各利益相关方都将因此受益。从解剖学几何测量到癌症检测，应用前景可谓十分广阔。而在这些应用场景下，机器学习发挥的作用既包括提升工作效率，还会产生一些其他正面成效。
机器学习用于医疗成像的途径有很多种。例如，放射学、皮肤病学、血管诊断学、数字病理学和眼科学，都会用到标准图像处理技术。
在放射学中，胸部 x 光透视是最常见的放射检查。每年全球完成的透视数量超过 20 亿，相当于每天完成 548，000 次，这一数字简直令人震惊。如此数量庞大的透视次数势必会给放射科医生造成沉重负担，因而对工作流的效率提出了极高要求。诚然，放射科医生的专业素养至关重要，但在速度和精度方面，机器学习、深度神经网络（ dnn ）和卷积神经网络（ cnn ）等技术往往比放射科医生的专业知识更略胜一筹。在面临快速决策的压力时，人为错误率可能高达 30％。借助机器学习技术协助决策过程，有助于提高决策质量，为放射科医生与其他专业人员提供补充工具。
目前，法规方面的支持正在稳步推进，美国食品药品监督管理局（fda）也正批准在辅助诊断及其他应用中采用更多机器学习技术。此外，fda 还为基于机器学习的产品建立了一个新的监管框架。新的监管框架将机器学习技术称之为“软件即医疗设备（samd）”，有望为治疗质量和治疗效率带来可观成效。
在放射学、皮肤病学、血管诊断学、数字病理学和眼科学中，许多治疗都需要大幅图像，有时会达到 500 万像素甚至更高，并且需要进行复杂的图像处理。同时，机器学习工作流计算强度大、存储器占用高。主流计算采用线性代数的方式，需要完成大量计算并使用大量参数。它需要数十亿次乘法－累加（ mac ）运算、数百兆字节参数数据、众多运算符以及高分布式的存储器子系统。因此，为实现组织检测或分类，在 pc 和 gpu 上使用传统计算方法开展高准确度图像推断往往效率低下，这也迫使医疗公司开始寻求替代技术来解决这一问题。
赛灵思提供的异构、高分布式架构恰好可以帮助医疗企业应对这一问题。赛灵思versal™自适应计算加速平台（ acap ）系列多处理器片上系统（ soc ）整合了深度学习加速器和 simd vliw“ai”引擎，能几乎实时地完成高速数据的大规模并行信号处理。这就意味着，赛灵思所提供的计算能力可以稳步超越每秒 100 太次运算（ tops ）。
赛灵思器件可以大幅提高复杂医疗机器学习算法的求解效率，有助于为边缘医疗应用加速，同时，还可以节省资源、成本和功耗。由于其架构和支持库的天然简便性，versal acap 器件可内在地为递归网络提供支持。针对算法和应用开发者，赛灵思也提供了一款创新的生态系统：vitis™ 等统一软件平台适用于应用开发，vitis ai™ 可以用于加速机器学习推断的优化和部署。这就意味着开发者可以在其项目中使用 acap 等先进器件。
医疗工作流和医疗设备工作流正经历重大变革。在未来，“大数据”企业在计算需求、数据隐私、安全保障、病患安全和准确性方面将提出更为严苛的要求，而这也将催生未来医疗工作流的新面貌。分布式的非线性并行化异构计算平台将是应对和管理这种复杂性的关键。赛灵思versal 等器件和 vitis 等软件平台也必将成为实现未来优化 ai 架构的理想选择。
PT/PVT运动模式介绍：EtherCAT超高速实时运动控制卡XPCIE1032H上位机C#开发（十一）
超级快充技术将成为治疗新能源汽车痛点的一剂良药
苹果彻底抛弃Intel阵营，两年时间内全面转向ARM架构
我国开始尝试应用无人机增强城市管理
易飞扬多款新产品亮相日本FOE，并现场DEMO硅光技术
Xilinx AI它有什么作用，提升医疗成像
区块链是自动驾驶汽车的关键
数字音频信号如何传输：I2S协议
工信部公示4项集成电路国家标准 集中在存储器测试方面
华为财报最新消息 华为2022年净利润356亿 孟晚舟：我的个人案件已画上句号
小米华为急了 一加3T才是手机中低调的实力派！
阿里巴巴达摩院发布2021十大科技趋势
为半自动和自动驾驶设计的QuadSight视觉系统
一种简单的显卡安装技巧 还不会阻碍到CPU风扇等配件
NVIDIA TensorRT的命令行程序
2.4G有源智能电子学生卡（SI24R2E应用实例）
松下伺服电机和普通电机之间的区别
如何远程管理windows2003服务器
骨传导巅峰之作：earsopen逸鸥真无线骨传导耳机，成功解决漏音问题
线宽变大，损耗变小；线宽无限大，损耗无限小？
在医疗成像领域，以机器学习（ml）和深度学习（ dl ）技术为代表的人工智能（ ai ）的普及势必将推动这一领域的转型。凭借各种机器学习驱动的工具，所有医疗生态系统内的患者、医疗服务提供商、医院、专业人士以及各利益相关方都将因此受益。从解剖学几何测量到癌症检测，应用前景可谓十分广阔。而在这些应用场景下，机器学习发挥的作用既包括提升工作效率，还会产生一些其他正面成效。
机器学习用于医疗成像的途径有很多种。例如，放射学、皮肤病学、血管诊断学、数字病理学和眼科学，都会用到标准图像处理技术。
在放射学中，胸部 x 光透视是最常见的放射检查。每年全球完成的透视数量超过 20 亿，相当于每天完成 548，000 次，这一数字简直令人震惊。如此数量庞大的透视次数势必会给放射科医生造成沉重负担，因而对工作流的效率提出了极高要求。诚然，放射科医生的专业素养至关重要，但在速度和精度方面，机器学习、深度神经网络（ dnn ）和卷积神经网络（ cnn ）等技术往往比放射科医生的专业知识更略胜一筹。在面临快速决策的压力时，人为错误率可能高达 30％。借助机器学习技术协助决策过程，有助于提高决策质量，为放射科医生与其他专业人员提供补充工具。
目前，法规方面的支持正在稳步推进，美国食品药品监督管理局（fda）也正批准在辅助诊断及其他应用中采用更多机器学习技术。此外，fda 还为基于机器学习的产品建立了一个新的监管框架。新的监管框架将机器学习技术称之为“软件即医疗设备（samd）”，有望为治疗质量和治疗效率带来可观成效。
在放射学、皮肤病学、血管诊断学、数字病理学和眼科学中，许多治疗都需要大幅图像，有时会达到 500 万像素甚至更高，并且需要进行复杂的图像处理。同时，机器学习工作流计算强度大、存储器占用高。主流计算采用线性代数的方式，需要完成大量计算并使用大量参数。它需要数十亿次乘法－累加（ mac ）运算、数百兆字节参数数据、众多运算符以及高分布式的存储器子系统。因此，为实现组织检测或分类，在 pc 和 gpu 上使用传统计算方法开展高准确度图像推断往往效率低下，这也迫使医疗公司开始寻求替代技术来解决这一问题。
赛灵思提供的异构、高分布式架构恰好可以帮助医疗企业应对这一问题。赛灵思versal™自适应计算加速平台（ acap ）系列多处理器片上系统（ soc ）整合了深度学习加速器和 simd vliw“ai”引擎，能几乎实时地完成高速数据的大规模并行信号处理。这就意味着，赛灵思所提供的计算能力可以稳步超越每秒 100 太次运算（ tops ）。
赛灵思器件可以大幅提高复杂医疗机器学习算法的求解效率，有助于为边缘医疗应用加速，同时，还可以节省资源、成本和功耗。由于其架构和支持库的天然简便性，versal acap 器件可内在地为递归网络提供支持。针对算法和应用开发者，赛灵思也提供了一款创新的生态系统：vitis™ 等统一软件平台适用于应用开发，vitis ai™ 可以用于加速机器学习推断的优化和部署。这就意味着开发者可以在其项目中使用 acap 等先进器件。
医疗工作流和医疗设备工作流正经历重大变革。在未来，“大数据”企业在计算需求、数据隐私、安全保障、病患安全和准确性方面将提出更为严苛的要求，而这也将催生未来医疗工作流的新面貌。分布式的非线性并行化异构计算平台将是应对和管理这种复杂性的关键。赛灵思versal 等器件和 vitis 等软件平台也必将成为实现未来优化 ai 架构的理想选择。
PT/PVT运动模式介绍：EtherCAT超高速实时运动控制卡XPCIE1032H上位机C#开发（十一）
超级快充技术将成为治疗新能源汽车痛点的一剂良药
苹果彻底抛弃Intel阵营，两年时间内全面转向ARM架构
我国开始尝试应用无人机增强城市管理
易飞扬多款新产品亮相日本FOE，并现场DEMO硅光技术
Xilinx AI它有什么作用，提升医疗成像
区块链是自动驾驶汽车的关键
数字音频信号如何传输：I2S协议
工信部公示4项集成电路国家标准 集中在存储器测试方面
华为财报最新消息 华为2022年净利润356亿 孟晚舟：我的个人案件已画上句号
小米华为急了 一加3T才是手机中低调的实力派！
阿里巴巴达摩院发布2021十大科技趋势
为半自动和自动驾驶设计的QuadSight视觉系统
一种简单的显卡安装技巧 还不会阻碍到CPU风扇等配件
NVIDIA TensorRT的命令行程序
2.4G有源智能电子学生卡（SI24R2E应用实例）
松下伺服电机和普通电机之间的区别
如何远程管理windows2003服务器
骨传导巅峰之作：earsopen逸鸥真无线骨传导耳机，成功解决漏音问题
线宽变大，损耗变小；线宽无限大，损耗无限小？