項(xiàng)目概覽

自最早作為日本文部科學(xué)省下屬的部級指定研究中心成立以來，廣島大學(xué)納米元件與生物融合科學(xué)研究所一直以來通過開展關(guān)鍵技術(shù)研發(fā)工作，在預(yù)防醫(yī)學(xué)和疾病早期診斷普及化方面結(jié)合電子技術(shù)和生物技術(shù)，致力于將先進(jìn)的醫(yī)療提供給大眾。該研究所目前正通過開發(fā)使用機(jī)器學(xué)習(xí)來量化腫瘤產(chǎn)生和侵襲性的技術(shù)，幫助腫瘤學(xué)前沿的醫(yī)療從業(yè)人員減輕工作負(fù)擔(dān)。

方案：基于圖像且以機(jī)器學(xué)習(xí)推斷為特性的癌癥診斷支持解決方案

廣島大學(xué)采用賽靈思 Alveo U250 加速器卡，加速了基于圖像且以機(jī)器學(xué)習(xí)推斷為特性的癌癥診斷解決方案。讓我們看看他們是怎么做的吧。

行業(yè)挑戰(zhàn)

診斷任務(wù)的目的是根據(jù)醫(yī)生的經(jīng)驗(yàn)和專業(yè)知識，判斷結(jié)腸鏡檢查中發(fā)現(xiàn)的異常是屬于增生性息肉、良性腺瘤，還是侵襲性癌癥。判斷的基礎(chǔ)是結(jié)腸鏡檢查圖像中的血管圖案和表面特征。這就特別需要診斷支持系統(tǒng)提供量化指標(biāo)，幫助醫(yī)生簡化這項(xiàng)工作，從而降低因經(jīng)驗(yàn)水平不同而導(dǎo)致地診斷結(jié)果的變化。此外，這種基于圖像的診斷是在結(jié)腸鏡檢查過程中做出的，僅使用常規(guī)的軟件技術(shù)，能實(shí)現(xiàn)的實(shí)時(shí)性能相當(dāng)有限。

廣島大學(xué)納米元件與生物融合科學(xué)研究所副教授Tetsushi Koide對此表示，“為判斷是否有癌癥發(fā)生，醫(yī)生需要使用結(jié)腸鏡實(shí)時(shí)觀察病變處的表面特征和血管圖案，以判斷是否存在腫瘤，尤其是否屬于侵襲性腫瘤。醫(yī)生在進(jìn)行這方面的判斷時(shí)，主要是基于已掌握的總體證據(jù)，包括小血管不規(guī)則情況和表面特征等參數(shù)在內(nèi)。相應(yīng)地，醫(yī)生的經(jīng)驗(yàn)水平和以往接觸過的病例都會(huì)對其診斷結(jié)果產(chǎn)生影響。對于剛開始接觸內(nèi)窺鏡檢查且缺乏經(jīng)驗(yàn)的醫(yī)生來說，他們很難做出客觀的判斷?！睋Q言之，雖然最終的癌癥診斷是由專家醫(yī)生做出的，但由于人工觀察內(nèi)窺鏡圖像而導(dǎo)致的可變性仍不可避免。

廣島大學(xué)基于圖像且以機(jī)器學(xué)習(xí)推斷為特性的癌癥診斷解決方案

解決方案

提供一套能夠基于結(jié)腸鏡檢查圖像數(shù)據(jù)的 AI （機(jī)器學(xué)習(xí)）來量化病變發(fā)展，協(xié)助醫(yī)生做出診斷的系統(tǒng)。該系統(tǒng)采用賽靈思 Alveo U250 加速器卡提升實(shí)時(shí)處理速度。系統(tǒng)的微型化和優(yōu)化是通過賽靈思 Zynq UltraScale+ MPSoC 實(shí)現(xiàn)的，其結(jié)合了嵌入式軟件與硬件邏輯的異構(gòu)架構(gòu)平臺(tái)，可以作為邊緣設(shè)備使用。

圖 1：Alveo U250 UltraScale+ MPSoC

圖 2：Zynq UltraScale+ MPSoC

使用 Alveo U250 加速器卡的計(jì)算機(jī)輔助診斷系統(tǒng)的特性包括：

?借助運(yùn)行在量化 Caffe 模型上的 AlexNet IP 實(shí)現(xiàn)高速 AI

?依托于 Alveo 加速器卡的 SVM 實(shí)現(xiàn)方案已經(jīng)開發(fā)完成并進(jìn)入演示階段

?通過在 MPSoC 器件上使用服務(wù)器 CPU 和 Alveo 加速器卡配置，即可在邊緣解決方案中采用該技術(shù)。

軟件開發(fā)使用賽靈思 Vitis 統(tǒng)一軟件平臺(tái)。使用 Vitis 平臺(tái)提供的領(lǐng)域?qū)Ｓ瞄_發(fā)環(huán)境，FPGA 編程僅用時(shí)三個(gè)月。

成效

將以前學(xué)習(xí)過的數(shù)據(jù)整合到卷積神經(jīng)網(wǎng)絡(luò) (CNN) 中，用作實(shí)時(shí)評估內(nèi)窺鏡視頻輸入的依據(jù)。

在使用該 CNN 和支持向量機(jī) (SVM) 執(zhí)行推斷時(shí)，CNN 性能是關(guān)鍵問題。運(yùn)行 CNN 需要將來自 30fps 全高清（FHD，1,920 x 1,080 像素）視頻中的每一幀細(xì)分成（例如）16 個(gè)區(qū)域以調(diào)整大小（224x224 像素），方便輸入到推斷引擎中。因?yàn)槊總€(gè)推斷操作都需要處理大約 1.89GB/s 的數(shù)據(jù)，所以 16 個(gè)區(qū)域的并行評估需要 1.89GB/s x 16 ≒ 30GB/s 的處理能力。這超出了常規(guī) CPU（例如 x86 或 Arm 處理器）的性能水平。

然而使用賽靈思 Alveo U250 加速器卡處理該數(shù)據(jù)，該研究所成功地構(gòu)建出具備足夠處理性能的系統(tǒng)，能夠?qū)崟r(shí)執(zhí)行視頻圖像任意 16 個(gè)區(qū)域的 CNN/SVM 推斷。實(shí)際上，這 16 個(gè)區(qū)域的并行評估是通過并行運(yùn)行 Alveo U250 卡的四個(gè)處理單元來實(shí)現(xiàn)的。

圖 3：借助 Alveo U250 卡實(shí)現(xiàn)實(shí)時(shí)處理

廣島大學(xué)納米元件與生物融合科學(xué)研究所副教授 Tetsushi Koide 表示：“這項(xiàng)研究是與廣島大學(xué)醫(yī)院及 JR 廣島醫(yī)院合作開展的。使用賽靈思 Alveo 卡推動(dòng)我們的研究為醫(yī)療成像診斷支持系統(tǒng)提速，實(shí)現(xiàn)了常規(guī) CPU 到日前無法企及的基于 AI 的圖像評估速度。”

責(zé)任編輯：lq