南港IC設計育成中心logo NKIC facebook

您現在的位置:首頁 / 產經訊息 / 產業新聞 /

產業新聞

標題 雲象科技善用NVIDIA技術,匠心獨具打造AI醫療影像開發平臺
新聞內文:

背景

轉戰 AI 醫療影像有成  贏得NVIDIA Inception冠軍

成立於 2015 年 10 月的雲象科技,創始之初,專注於提供容易使用的網路數位玻片介面,將病理玻片推向雲端數位化。

雲象科技共同創辦人兼執行長葉肇元醫師指出,2016 年雲象一方面精進改善數位病理影像平臺,另一方面看到人工智慧 (AI) 影響力逐步擴張,開始對此議題感到興趣,歷經一年評估,決定轉型成為 AI 醫療影像公司。

踏上轉型之路的雲象,不僅積極佈建 AI 技術,也善用與醫界的連結優勢,借重醫師的專業知識與資料,持續改善深度學習標記介面,將訓練好的後端程式串接到前端,執行神經網路推論;由此看來,雲象不論對於 AI 醫療影像的開發及部署,皆有完備的佈局方案。

不可諱言,AI 醫療影像是艱深課題,舉凡收集影像資料、與醫界溝通,皆有一定難度,精通電腦視覺技術的人才少,即便有也不懂醫療影像,所以雲象必須靠自身力量修鍊 AI 技術底蘊,自認唯有做出引人入勝的成果,與醫界、學界建立堅實的互信基礎,才可望讓後面發展道路更穩健長遠。

2017 年中,科技部開始挹注經費推動 AI 發展,生技醫療也是其中的重點項目之一,當時兼具 AI、醫療影像、標註工具等多重技術實力的團隊甚少,因而讓雲象脫穎而出,在醫界與學界的能見度迅速竄升,為日後發展奠定良好的基礎。而在剛結束的 NVIDIA GPU 技術大會 (NVIDIA GPU Technology Conference; GTC)中,雲象再度憑著其 AI 影像處理雲端開發平臺「aetherAI」,以黑馬之姿勇奪 NVIDIA 新創團隊培育計畫競賽冠軍 (NVIDIA Inception Program),一舉打響在業界的名聲,成為產學業界備受期待的科技新星。

挑戰

勇於嘗試新題目  淬鍊出自我價值

所有 AI 公司均面臨人才不足的窘境,雲象也不例外,故急需自我建立 AI 技術根基,先證明有能力克服障礙,做出一定成績,才能夠吸引外界人才進駐;如今雲象逐步解決人才荒,延攬兩位任教於人工智慧學校的好手加入。

然而雲象自許成為具國際競爭力的 AI 醫療影像公司,深知欲達此目標,還需建立更多關於 AI、醫療影像、軟體工程的頂尖人才與實力,故一方面要求同仁繼續學習、聆聽臨床醫師的教導與建議,邊看邊學,不斷增強反應問題的能力,二方面堅持將發展重心擺在「其他人還未看見」的課題中,認真解決醫院臨床所面臨的疑難雜症,如此才能真正展現價值,觸發更大的正向循環效應。

葉肇元坦言,雲象朝向 AI 發展的起步之初,便已預見技術困難性,認為不可能等到所有技術都就緒後才上路,所以當務之急,必須確立團隊的學習與應變能力,不錯過任何學習成長的契機。除努力自學外,也需選用最佳的工具與技術,對此葉肇元做足了評估功課,有鑒於 NVIDIA 提供一系列從雲端到終端、整合軟硬體的完整解決方案,能為公司屏除掉不少建置上的難題,對後續的拓展與規模化亦有良好的配套措施,藉此認定除 NVIDIA 外別無其他選擇,決定以其軟硬體產品為基底,搭建醫療影像 AI 系統。

方案

妙用Volta先進架構  半精度計算效能翻兩番

事實上 NVIDIA 對雲象的助益,不僅止於產品或技術,更是經營理念的啟發。葉肇元說,10 年前 AI 未成氣候,唯有 NVIDIA 默默佈局相關工具,如今 AI 蔚為風潮,以 NVIDIA GPU 驅動技術在各領域大行其道,顯見專注與執著才會有長遠優勢,雲象也因此將其思維奉為圭臬。

最初,雲象採用 NVIDIA GeForce GTX 1080 Ti 執行訓練與推論,儘管此款 GPU 計算運算效能頗佳,但受限於記憶體支援,對高解析度醫療影像的處理上仍有大幅度的進步空間,故決定改採 NVIDIA Tesla P40 加速器,這對新創公司而言算是「豪華投資」,此外雲象也曾向合作夥伴調借 NVIDIA Tesla V100 與 NVIDIA TITAN V 等資源進行測試使用,採用最新 NVIDIA Volta 架構的 Tesla V100,記憶體大運算力強,透過 Tensor Core 支援進行半精度計算時效能至少提升 2 倍,對於運算加速效果相當顯著。

為深入培植 AI 新創團隊,NVIDIA 提供專為深度學習打造的 NVIDIA DGX 工作站作為冠軍隊伍的鼓勵,其內建四個 Tesla V100 32GB GPU 與最新 NVLink 和 Tensor 核心技術,能達到 400 TFLOPS 與 FP16 精度的強大演算效能,有了這樣強大的超級電腦挹注,對雲象在往後的發展上提供莫大的助力。此外,為解決記憶體不足的問題,以因應偌大數位病理資料,雲象計劃從底層軟體工程著手,集思在 NVIDIA CUDA Unified Memory 基礎上「疊床架屋」,設法將 GPU、AI 深度學習框架之間的 Missing Link 連結起來,透過軟體定義方式,讓 GPU 突破限制、極致運用記憶體資源,儘管這是一門苦功,但雲象認為不管有意邁向全球頂尖公司、或只求解決眼前難題,此項工程都是必要的執著。

影響

靠AI做複雜分析  探索未知醫學奧妙

雲象深知欲與醫界和學界緊密合作、啟動更多 AI 專案,勢必得運用高效能硬體並把各式各樣串接工具做到極致,使 aetherAI 平臺從頭到尾每個環節緊緊相扣、展現絕佳速度感,不只雲端資料匯入與轉檔要快,也需要在終端打造出醫師易於適應的使用介面與體驗,針對每一段作業進行加速,如此才能提高專案執行效率,加速磨合與實際應用。

論及 AI 對醫療產業的長遠影響,葉肇元認為有幾個層面,首先在於可自動化處理醫療影像當中重複性工作,減輕醫師作業負擔。例如肺癌斷層掃瞄有數百張切片,導致放射科醫師查找結節的時間冗長,一旦有 AI 輔助,即可在耗時費力的判讀過程中快速且精準找出結節,讓醫師能更靈活運用寶貴診療時間與專業知識,再者 AI 有助於輔助醫師的專業技術,加速提升醫療品質,開創醫學史上前所未有的新價值。

類別: 產經訊息
發佈日期: 2018/08/02
相關連結: https://www.ithome.com.tw/
資料來源: iTHOME

往上往上

產經訊息