智慧邊緣運算平台使放射學科得以更輕鬆地進行深度學習。在北美放射學會(Radiological Society of North America)大會上,可以見到逾百家參展廠商運用NVIDIA的技術將人工智慧引入放射學科,2019年有望成為人工智慧應用於醫療領域的一大轉捩點。

人工智慧雖有著無比潛力,但仍有待解決其中的一個關鍵難題,也就是取得訓練人工智慧模型所需的海量資料,同時亦保障病患的隱私。NVIDIA為此與醫療產業合作打造一項解決方案,在今年的北美放射學會年會上推出NVIDIA Clara Federated Learning(FL),利用分散式合作學習技術來訓練人工智慧模型的同時,又將病患的資料留在醫療服務提供者這端加以妥善保管。

NVIDIA Clara FL在日前發表的NVIDIA EGX智慧邊緣運算平台上運行。

NVIDIA表示,Clara Federated Learning(Clara FL)是一項分散式合作人工智慧模型訓練參考應用程式,用於保障病患隱私,這些在全球系統製造商所生產之NVIDIA NGC-Ready for edge伺服器上運行的分散式用戶端系統,可以在本地執行深度學習訓練,也能攜手合作來訓練更精準的全域人工智慧模型。

它的運作方式是在Clara FL應用程式裝入一個Helm chart內,以簡化在Kubernetes基礎設施上的部署作業。NVIDIA EGX平台用安全的方式規定聯合伺服器及合作的客戶端,提供展開Federated Learning專案所需的一切事物,包括應用程式容器及啟始人工智慧模型。

參與這項計畫的醫院使用與3D slicer、MITK、Fovia及Philips Intellispace Discovery等醫療檢視器進行整合的NVIDIA Clara AI-Assisted Annotation SDK,對自己的病患資料加上標籤。利用預先訓練好的模型和遷移學習技術NVIDIA的人工智慧技術協助放射科醫生加上各項標記,將研究複雜3D模型所需的時間,從原本的幾小時減少到只要幾分鐘即可完成。

每個參與醫院的EGX伺服器使用本地資料來訓練全域模型,在本地訓練好的結果通過一個安全的連結送回到聯合學習伺服器,並與其他參與單位分享。這個作法只會分享模型權重的變動內容,不會分享病患的紀錄,這麼一來既能保障病患的隱私,又能通過Federated Averaging演算法建立一個新的全域模型。

這個過程會不斷重複,直到人工智慧模型達到預期的精度。這種分散式的作法在保障病患資料安全和隱私的同時,也提供了極佳的深度學習效能表現。

(工商 )

#智慧 #模型 #人工 #人工智慧 #訓練