人工智能的臨床應(yīng)用正在改善數(shù)字化手術(shù)，有助于減少錯誤，提供一致性，并實(shí)現(xiàn)以前無法想象的外科醫(yī)生增強(qiáng)。

內(nèi)窺鏡檢查是一種用于檢查身體器官或體腔內(nèi)部的微創(chuàng)手術(shù)，人工智能和加速計(jì)算能夠提高檢測率和可見性。

例如，內(nèi)窺鏡醫(yī)生可以通過燒灼出血的血管來調(diào)查癥狀、診斷和治療患者。有多種形式的內(nèi)鏡檢查，其中許多側(cè)重于影響消化道的胃腸病。

結(jié)腸鏡檢查是胃腸道內(nèi)窺鏡檢查的最常見形式之一，對于發(fā)現(xiàn)結(jié)直腸癌是必不可少的 美國癌癥協(xié)會預(yù)測 2022 年將影響超過 150000 人。

在人工智能的幫助下，內(nèi)窺鏡等手術(shù)變得更加安全和一致，同時減少了外科醫(yī)生的工作量。機(jī)器學(xué)習(xí)算法增強(qiáng)的任務(wù)包括標(biāo)記、清除手術(shù)煙霧、分類氣道疾病、識別氣道大小、識別病變和病變組織，以及自動計(jì)算儀器的最佳物理路徑。

為了實(shí)現(xiàn)這些臨床應(yīng)用，正在為特定任務(wù)開發(fā)技術(shù)算法：

用于檢測和自動測量的器官分割

工具跟蹤

組織類型識別

光流

軍團(tuán)分類

增強(qiáng)和處理視頻流

在內(nèi)窺鏡檢查中，增強(qiáng)和處理視頻流的任務(wù)是增強(qiáng)外科醫(yī)生技術(shù)技能的關(guān)鍵。這包括內(nèi)窺鏡圖像去噪、異常對象檢測和異常測量任務(wù)，以及攝取高分辨率和高帶寬數(shù)據(jù)的流任務(wù)。

為了實(shí)現(xiàn)人工智能并完成這些任務(wù)，開發(fā)人員必須解決醫(yī)療器械開發(fā)過程中的諸多挑戰(zhàn)，例如：

攝取高分辨率、高帶寬數(shù)據(jù)流

以低延遲預(yù)算運(yùn)行 AI 推理

尋找靈活的傳感器和數(shù)據(jù) I / O 選項(xiàng)

構(gòu)建從邊緣到數(shù)據(jù)中心再到云的分布式計(jì)算平臺

采用新的深度學(xué)習(xí)算法

今天，大多數(shù)開發(fā)人員在每次解決問題或工作流瓶頸時都必須構(gòu)建單獨(dú)的解決方案。 NVIDIA Clara Holoscan 是一個具有 AI 工作負(fù)載計(jì)算的開發(fā)平臺。通過增強(qiáng)的可視化和自動異常檢測等工作負(fù)載，您可以輕松定制各種挑戰(zhàn)的解決方案。

擁有一個加速平臺來迭代人工智能并將其集成到內(nèi)窺鏡工作流程中，為您提供了一種低風(fēng)險、低成本的方法，為您現(xiàn)有的內(nèi)窺鏡系統(tǒng)添加增強(qiáng)功能。

無論是在邊緣部署延遲敏感的實(shí)時任務(wù)，還是在云中部署分析和摘要任務(wù)， NVIDIA Clara Holoscan 都可以減輕復(fù)雜性，讓您快速構(gòu)建定制 AI 解決方案，以改進(jìn)內(nèi)窺鏡檢查。

NVIDIA Clara Holoscan 上的內(nèi)鏡 AI 樣本應(yīng)用

如果您希望為醫(yī)療設(shè)備構(gòu)建自定義應(yīng)用程序，參考應(yīng)用程序可以提供一個簡單的起點(diǎn)。 NVIDIA Clara Holoscan SDK 包括一個支持人工智能的內(nèi)窺鏡應(yīng)用程序示例，作為模板，用于在現(xiàn)有應(yīng)用程序中重用組件和應(yīng)用程序圖，以構(gòu)建自定義人工智能管道。

內(nèi)窺鏡 AI 示例應(yīng)用程序具有 GXF 的端到端功能， GXF 是構(gòu)建高性能應(yīng)用程序的模塊化可擴(kuò)展框架。 GXF 為與以下接口的設(shè)備提供支持： AJA 具有 HDMI 輸入。其深度學(xué)習(xí)模型可以對內(nèi)窺鏡視頻流實(shí)時執(zhí)行目標(biāo)檢測和工具跟蹤。

幾個功能用于最小化總延遲：

GPUDirect RDMA 視頻數(shù)據(jù)傳輸，以消除向系統(tǒng)內(nèi)存或從系統(tǒng)內(nèi)存復(fù)制的開銷。

NVIDIA 性能原語 在人工智能推理之前， CUDA 加速 2D 圖像轉(zhuǎn)換庫。

TensorRT 優(yōu)化 AI 推理和加速的運(yùn)行時間。

CUDA 和 OpenGL 互操作性，為可視化提供了 GPU 上的高效資源共享。

關(guān)于作者

Jin Li 是 NVIDIA 解決方案架構(gòu)師團(tuán)隊(duì)的數(shù)據(jù)科學(xué)家，致力于將深度學(xué)習(xí)模型應(yīng)用于不同領(lǐng)域，如智能視頻分析和自然語言處理。在加入 NVIDIA 之前， Jin 在卡內(nèi)基梅隆大學(xué)獲得了機(jī)器學(xué)習(xí)碩士學(xué)位，專注于計(jì)算機(jī)視覺的深度學(xué)習(xí)應(yīng)用。

Nate Bradford 是 NVIDIA 的醫(yī)療內(nèi)容經(jīng)理，分享 AI 框架和解決方案，以幫助開發(fā)人員、研究人員和創(chuàng)新者完成畢生的工作。從加速新療法的發(fā)現(xiàn)到實(shí)現(xiàn)醫(yī)療設(shè)備的實(shí)時傳感，人工智能正在開創(chuàng)醫(yī)療保健的新時代。

審核編輯：郭婷