傳統行業正在經歷著一場數字化改革浪潮，人工智能技術正在改變不同的行業，在醫療行業中，人工智能技術在醫療診斷和患者護理上發揮著重要作用。

由于傳統的醫療設備功能有限，在很多情況下醫生不能準確判斷病情；在醫護過程中，患者的狀態又不能及時有效地監控，給醫護人員帶來了很大困擾！

新技術：邊緣AI

邊緣 AI 是指以機器學習 （ML） 算法的形式使人工智能在邊緣設備上部署和推理。

機器學習是一個廣泛的領域，近年來取得了巨大的進步。

邊緣 AI 是邊緣計算和 AI 的結合，可直接在連接的邊緣設備上運行機器學習任務，邊緣 AI 可以執行無數任務，例如對象檢測、語音識別、指紋檢測、欺詐檢測、自動駕駛等。

邊緣AI有很多優勢，比如低延時、高帶寬和處理大量數據的能力，利用人工智能工具，可以幫助臨床醫生更加準確的檢測和判讀病情，通過圖像識別技術可以提高病情診斷質量，優化工作流程增加醫療團隊的工作效率。

遠程患者監控

老年人或病重的患者需要足夠的安全監護和醫療護理，可以利用一臺邊緣計算設備結合攝像頭，通過視覺識別算法實時監控患者行為并獲得不同行為的數據，使用神經網絡模型訓練數據并進行預測，如果預測到不安全行為（比如跌倒行為），會立即通知醫護人員。

利用人工智能驅動的醫療設備有很多優點：

可以實時不間斷對患者進行監控，更快速準確的識別患者跌倒或其他意外行為

無需人工24小時看護，減少人力成本

除了能識別危險行為，比如跌倒行為外還能分析出是什么原因造成的跌倒，比如是床的面積小還是醫療設備離床太遠了等。

適合進行醫療設備預測的AI框架？

alwaysAI

alwaysAI 是機器視覺識別框架，可以部署在邊緣設備NVIDIA Jetson 系列開發板上進行預測推理，此框架提供了預訓練模型目錄、低代碼模型訓練工具和功能強大的API，可以幫助開發人員構建適合的視覺識別應用程序。

Roboflow

Roboflow 通過逐步建立健全不同醫療保健問題的視覺模型，為醫療保健公司提供端到端的CV 視覺識別解決方案。大致方法是：

創建數據集，使用視覺識別方法檢測和分類特定場景的對象。

標記對象，標記需要的所有數據，比如超聲波、X射線、內窺鏡檢查、MRI等反饋的圖像。

最后將它們上傳到 Roboflow為醫療設備可以使用它們，這樣可以提供預測的準確性。

Roboflow托管了數十個公共數據集，包括BCCD，這是一個包含血細胞圖像的對象檢測數據集，可以將其按需求部署到Jetson 等邊緣設備上。

如果你想了解如何使用 Roboflow 快速注釋、訓練自定義 YOLOv5 模型以及在邊緣設備上進行推理！

數字化病例診斷

傳統的病理診斷是手動的人為的在顯微鏡或特定設備上分析病理圖像，完成不同類型感染細胞的鑒定和擴散范圍，需要醫學專家們通過肉眼來診斷。

這樣帶來的結果就是：

診斷結果主觀性太強，因人而異沒有統一標準

醫生診斷過程效率低

提供觀察病理圖像準確比例不高

病理結果存儲載體不方便查看、存儲和觀察病理結果

將深度學習應用于數字病理圖像的輔助診斷上，能提高疾病診斷、靶點檢測和病理區域分割的效率和準確率，降低對醫療設備的依賴和限制，并充分利用數字化病理圖像可以顯著降低看病成本。

那么人工智能是如何代替醫學專家，對病理圖像進行診斷和分析的呢？

邊緣AI通過機器學習算法提供自動WSI（全玻片成像）用于圖像分析。

AI在病理學中的診斷流程如下：

病理切片的載玻片通過計算機掃描儀捕獲成全玻片數字圖像。

在WSI系統的支持下，全玻片成像提供了快速查看病理圖像的方法，包括數字注釋、快速導航/縮放以及計算機輔助查看和分析。

此外，在WIS中，圖像的像素大小分辨率太高，這會過度占有計算機的處理能力和內存，使其難以運行和分析，目前，計算機的處理速度還不能處理全像素WSI圖像。

通過CNN卷積神經網絡算法和基于網格的滑動窗口檢測分類模型可以將高分辨率圖像劃分為多個局部塊圖，再分析每個塊的信息并提取特征，最后把獲得的信息整合在一起，這樣就減少了內存占有率并提高了模型算法的預測效率。

卷積神經網絡檢測圖像中視覺類別的處理流程：

案例介紹

案例介紹：Grundium Ltd 數字病理學全玻片成像和分析平臺

在 GTC 2021 上，Grundium Ltd 展示了如何利用 NVIDIA Jetson 平臺的AI計算能力重設了病理學的全玻片掃描儀，基于深度學習的圖像分析可以與掃描過程交錯進行，因此，掃描完成后即可獲得結果，從而提高診斷量和準確率。

案例介紹：具有AI診斷能力的便攜式腦CT掃描儀

來自 NVIDIA 的博客《 AI at the Point of Care：Startup's 便攜式掃描儀在幾分鐘內診斷腦中風》，介紹了由一臺NVIDIA Jetson AGX Xavier 提供支持的輕量級腦部掃描設備，提供32TOPS算力支持，并在邊緣端進行推理。智能分析系統找出大腦信號如何相互作用并確定進一步的診斷，此設備可在幾分鐘內診斷出腦中風。

下圖是傳統的腦CT設備和便攜式掃描儀的對比圖。

案例介紹：使用 NVIDIA Jetson 開發 AI 驅動的數字健康應用程序

這篇文章討論了數據科學家和工程師如何使用 NVIDIA GPU 為生物醫學應用制作基于 AI 的數字健康算法原型，并在嵌入式物聯網和邊緣 AI 平臺（如 NVIDIA Jetson）上部署此類算法。您還可以使用 MathWorks GPU Coder 在 Jetson 上部署預測管道。

解決方案的目標是訓練分類器來區分心律失常 （ARR）、充血性心力衰竭 （CHF） 和正常竇性心律 （NSR）。

柴火母公司Seeed與NVIDIA Jetson 生態系統

Seeed 是 NVIDIA AI系統的經銷商，也是 NVIDIA Jetson 邊緣 AI 生態系統的合作伙伴。我們提供不同外形尺寸的 NVIDIA Jetson 模塊、系統和載板，提供跨行業人工智能解決方案中，并提供更多的定制服務、案例教程和開發工具。

Seeed還推出了基于NVIDIA?生態的邊緣計算機，reComputer J10系列、J20系列等系列邊緣計算設備。

下面介紹Seeed reComputer J4012邊緣計算機，基于NVIDIA Jetson Orin Nano和Orin NX 生態，主要功能如下：

手掌大小的緊湊型邊緣?AI 系統：外形緊湊（130 mm x 120 mm x 50 mm），提供 100 TOPS 的強大 AI 性能和豐富的嵌入式開發接口。Orin NX 將 NVIDIA Ampere GPU 架構與 64 位操作能力相結合，集成了先進的多功能視頻和圖像處理以及 NVIDIA 深度學習加速器。

reComputer J4012 在內置的 5GB NVMe SSD 上預裝了 JetPack 1.128，簡化了開發，適合在智能城市、安全、工業自動化、智能工廠等行業從事視頻分析、對象檢測、自然語言處理、醫學成像和機器人技術的邊緣 AI 解決方案提供商的部署。

高能效：由?DC 12V/5A 供電，可提供20W大功率電源支持。

編輯：黃飛

?