Xilinx联手AWS和Spline．AI开发X射线的深度学习模型

Xilinx（赛灵思）、AWS和Spline.AI合作开发了一种用于医学X射线和疾病检测的深度学习模型，该模型可用于肺炎和COVID-19预测的临床医学环境中。

该研究小组依靠30000张精心挑选和标记的肺炎图像和500张COVID-19图像来训练深度学习模型，从而提高预测的准确性和速度。Xilinx在周二的一份声明中说，这些培训数据将提供给包括国家卫生研究院（NIH）、斯坦福大学和麻省理工学院在内的公共研究和医疗机构。

功能性深度学习模型与参考设计工具包一起推出，售价1295美元。根据描述，Xilinx Zynq UltraScale+MPSoC被添加到作为边缘设备提供的ZCU104 FPGA开发板中。Xilinx深度学习处理器单元集成到MPSoC（多处理器系统芯片）中，它可为AWS IoT Greengrass中的卷积神经网络处理加速。

Python-PYNQ是一个开放源码的编程平台，它允许临床研究人员根据不同的应用程序调整电路板。模型可以在移动、便携或医疗点的情况下开发，并且能够使用云进行扩展。人工智能模型使用Amazon SageMaker进行训练，并通过AWS-IoT-Greengrass从云端部署到边缘，允许远程学习模型更新。

AWS说，这些组合技术意味着，使用低成本医疗器械，可以进行高度精确的临床诊断。AWS的IoT副总裁Dirk Didascalou说，医生可以将X射线图像上传到云端，而不需要物理医疗设备，这样医生就可以进行远程诊断或治疗。

经验证和监管部门批准后，该系统可部署用于临床。“这取决于医疗设备的OME或诊所或医院的部署，”Xilinx医疗、医疗设备和科学主管Subh Bhattacharya表示。“参考设计工具包可用于加快上市时间，以开发和部署具有不同放射或临床流程的其他型号。”