适合进行医疗设备预测的AI框架及案例分析

传统行业正在经历着一场数字化改革浪潮，人工智能技术正在改变不同的行业，在医疗行业中，人工智能技术在医疗诊断和患者护理上发挥着重要作用。

由于传统的医疗设备功能有限，在很多情况下医生不能准确判断病情；在医护过程中，患者的状态又不能及时有效地监控，给医护人员带来了很大困扰！

新技术：边缘AI

边缘 AI 是指以机器学习 （ML） 算法的形式使人工智能在边缘设备上部署和推理。

机器学习是一个广泛的领域，近年来取得了巨大的进步。

边缘 AI 是边缘计算和 AI 的结合，可直接在连接的边缘设备上运行机器学习任务，边缘 AI 可以执行无数任务，例如对象检测、语音识别、指纹检测、欺诈检测、自动驾驶等。

边缘AI有很多优势，比如低延时、高带宽和处理大量数据的能力，利用人工智能工具，可以帮助临床医生更加准确的检测和判读病情，通过图像识别技术可以提高病情诊断质量，优化工作流程增加医疗团队的工作效率。

远程患者监控

老年人或病重的患者需要足够的安全监护和医疗护理，可以利用一台边缘计算设备结合摄像头，通过视觉识别算法实时监控患者行为并获得不同行为的数据，使用神经网络模型训练数据并进行预测，如果预测到不安全行为（比如跌倒行为），会立即通知医护人员。

利用人工智能驱动的医疗设备有很多优点：

可以实时不间断对患者进行监控，更快速准确的识别患者跌倒或其他意外行为

无需人工24小时看护，减少人力成本

除了能识别危险行为，比如跌倒行为外还能分析出是什么原因造成的跌倒，比如是床的面积小还是医疗设备离床太远了等。

适合进行医疗设备预测的AI框架？

alwaysAI

alwaysAI 是机器视觉识别框架，可以部署在边缘设备NVIDIA Jetson 系列开发板上进行预测推理，此框架提供了预训练模型目录、低代码模型训练工具和功能强大的API，可以帮助开发人员构建适合的视觉识别应用程序。

Roboflow

Roboflow 通过逐步建立健全不同医疗保健问题的视觉模型，为医疗保健公司提供端到端的CV 视觉识别解决方案。大致方法是：

创建数据集，使用视觉识别方法检测和分类特定场景的对象。

标记对象，标记需要的所有数据，比如超声波、X射线、内窥镜检查、MRI等反馈的图像。

最后将它们上传到 Roboflow为医疗设备可以使用它们，这样可以提供预测的准确性。

Roboflow托管了数十个公共数据集，包括BCCD，这是一个包含血细胞图像的对象检测数据集，可以将其按需求部署到Jetson 等边缘设备上。

如果你想了解如何使用 Roboflow 快速注释、训练自定义 YOLOv5 模型以及在边缘设备上进行推理！

数字化病例诊断

传统的病理诊断是手动的人为的在显微镜或特定设备上分析病理图像，完成不同类型感染细胞的鉴定和扩散范围，需要医学专家们通过肉眼来诊断。

这样带来的结果就是：

诊断结果主观性太强，因人而异没有统一标准

医生诊断过程效率低

提供观察病理图像准确比例不高

病理结果存储载体不方便查看、存储和观察病理结果

将深度学习应用于数字病理图像的辅助诊断上，能提高疾病诊断、靶点检测和病理区域分割的效率和准确率，降低对医疗设备的依赖和限制，并充分利用数字化病理图像可以显著降低看病成本。

那么人工智能是如何代替医学专家，对病理图像进行诊断和分析的呢？

边缘AI通过机器学习算法提供自动WSI（全玻片成像）用于图像分析。

AI在病理学中的诊断流程如下：

病理切片的载玻片通过计算机扫描仪捕获成全玻片数字图像。

在WSI系统的支持下，全玻片成像提供了快速查看病理图像的方法，包括数字注释、快速导航/缩放以及计算机辅助查看和分析。

此外，在WIS中，图像的像素大小分辨率太高，这会过度占有计算机的处理能力和内存，使其难以运行和分析，目前，计算机的处理速度还不能处理全像素WSI图像。

通过CNN卷积神经网络算法和基于网格的滑动窗口检测分类模型可以将高分辨率图像划分为多个局部块图，再分析每个块的信息并提取特征，最后把获得的信息整合在一起，这样就减少了内存占有率并提高了模型算法的预测效率。

卷积神经网络检测图像中视觉类别的处理流程：

案例介绍

案例介绍：Grundium Ltd 数字病理学全玻片成像和分析平台

在 GTC 2021 上，Grundium Ltd 展示了如何利用 NVIDIA Jetson 平台的AI计算能力重设了病理学的全玻片扫描仪，基于深度学习的图像分析可以与扫描过程交错进行，因此，扫描完成后即可获得结果，从而提高诊断量和准确率。

案例介绍：具有AI诊断能力的便携式脑CT扫描仪

来自 NVIDIA 的博客《 AI at the Point of Care：Startups 便携式扫描仪在几分钟内诊断脑中风》，介绍了由一台NVIDIA Jetson AGX Xavier 提供支持的轻量级脑部扫描设备，提供32TOPS算力支持，并在边缘端进行推理。智能分析系统找出大脑信号如何相互作用并确定进一步的诊断，此设备可在几分钟内诊断出脑中风。

下图是传统的脑CT设备和便携式扫描仪的对比图。

案例介绍：使用 NVIDIA Jetson 开发 AI 驱动的数字健康应用程序

这篇文章讨论了数据科学家和工程师如何使用 NVIDIA GPU 为生物医学应用制作基于 AI 的数字健康算法原型，并在嵌入式物联网和边缘 AI 平台（如 NVIDIA Jetson）上部署此类算法。您还可以使用 MathWorks GPU Coder 在 Jetson 上部署预测管道。

解决方案的目标是训练分类器来区分心律失常 （ARR）、充血性心力衰竭 （CHF） 和正常窦性心律 （NSR）。

柴火母公司Seeed与NVIDIA Jetson 生态系统

Seeed 是 NVIDIA AI系统的经销商，也是 NVIDIA Jetson 边缘 AI 生态系统的合作伙伴。我们提供不同外形尺寸的 NVIDIA Jetson 模块、系统和载板，提供跨行业人工智能解决方案中，并提供更多的定制服务、案例教程和开发工具。

Seeed还推出了基于NVIDIA 生态的边缘计算机，reComputer J10系列、J20系列等系列边缘计算设备。

下面介绍Seeed reComputer J4012边缘计算机，基于NVIDIA Jetson Orin Nano和Orin NX 生态，主要功能如下：

手掌大小的紧凑型边缘 AI 系统：外形紧凑（130 mm x 120 mm x 50 mm），提供 100 TOPS 的强大 AI 性能和丰富的嵌入式开发接口。Orin NX 将 NVIDIA Ampere GPU 架构与 64 位操作能力相结合，集成了先进的多功能视频和图像处理以及 NVIDIA 深度学习加速器。

reComputer J4012 在内置的 5GB NVMe SSD 上预装了 JetPack 1.128，简化了开发，适合在智能城市、安全、工业自动化、智能工厂等行业从事视频分析、对象检测、自然语言处理、医学成像和机器人技术的边缘 AI 解决方案提供商的部署。

高能效：由 DC 12V/5A 供电，可提供20W大功率电源支持。

编辑：黄飞