基于圖像且以機器學習推斷為特性的癌癥診斷支持解決方案

項目概覽

自最早作為日本文部科學省下屬的部級指定研究中心成立以來，廣島大學納米元件與生物融合科學研究所一直以來通過開展關鍵技術研發(fā)工作，在預防醫(yī)學和疾病早期診斷普及化方面結(jié)合電子技術和生物技術，致力于將先進的醫(yī)療提供給大眾。該研究所目前正通過開發(fā)使用機器學習來量化腫瘤產(chǎn)生和侵襲性的技術，幫助腫瘤學前沿的醫(yī)療從業(yè)人員減輕工作負擔。

方案：基于圖像且以機器學習推斷為特性的癌癥診斷支持解決方案

廣島大學采用賽靈思 Alveo U250 加速器卡，加速了基于圖像且以機器學習推斷為特性的癌癥診斷解決方案。讓我們看看他們是怎么做的吧。

行業(yè)挑戰(zhàn)

診斷任務的目的是根據(jù)醫(yī)生的經(jīng)驗和專業(yè)知識，判斷結(jié)腸鏡檢查中發(fā)現(xiàn)的異常是屬于增生性息肉、良性腺瘤，還是侵襲性癌癥。判斷的基礎是結(jié)腸鏡檢查圖像中的血管圖案和表面特征。這就特別需要診斷支持系統(tǒng)提供量化指標，幫助醫(yī)生簡化這項工作，從而降低因經(jīng)驗水平不同而導致地診斷結(jié)果的變化。此外，這種基于圖像的診斷是在結(jié)腸鏡檢查過程中做出的，僅使用常規(guī)的軟件技術，能實現(xiàn)的實時性能相當有限。

廣島大學納米元件與生物融合科學研究所副教授Tetsushi Koide對此表示，“為判斷是否有癌癥發(fā)生，醫(yī)生需要使用結(jié)腸鏡實時觀察病變處的表面特征和血管圖案，以判斷是否存在腫瘤，尤其是否屬于侵襲性腫瘤。醫(yī)生在進行這方面的判斷時，主要是基于已掌握的總體證據(jù)，包括小血管不規(guī)則情況和表面特征等參數(shù)在內(nèi)。相應地，醫(yī)生的經(jīng)驗水平和以往接觸過的病例都會對其診斷結(jié)果產(chǎn)生影響。對于剛開始接觸內(nèi)窺鏡檢查且缺乏經(jīng)驗的醫(yī)生來說，他們很難做出客觀的判斷?！睋Q言之，雖然最終的癌癥診斷是由專家醫(yī)生做出的，但由于人工觀察內(nèi)窺鏡圖像而導致的可變性仍不可避免。

廣島大學基于圖像且以機器學習推斷為特性的癌癥診斷解決方案

解決方案

提供一套能夠基于結(jié)腸鏡檢查圖像數(shù)據(jù)的 AI （機器學習）來量化病變發(fā)展，協(xié)助醫(yī)生做出診斷的系統(tǒng)。該系統(tǒng)采用賽靈思 Alveo U250 加速器卡提升實時處理速度。系統(tǒng)的微型化和優(yōu)化是通過賽靈思 Zynq UltraScale+ MPSoC 實現(xiàn)的，其結(jié)合了嵌入式軟件與硬件邏輯的異構(gòu)架構(gòu)平臺，可以作為邊緣設備使用。

圖 1：Alveo U250 UltraScale+ MPSoC

圖 2：Zynq UltraScale+ MPSoC

使用 Alveo U250 加速器卡的計算機輔助診斷系統(tǒng)的特性包括：

?借助運行在量化 Caffe 模型上的 AlexNet IP 實現(xiàn)高速 AI

?依托于 Alveo 加速器卡的 SVM 實現(xiàn)方案已經(jīng)開發(fā)完成并進入演示階段

?通過在 MPSoC 器件上使用服務器 CPU 和 Alveo 加速器卡配置，即可在邊緣解決方案中采用該技術。

軟件開發(fā)使用賽靈思 Vitis 統(tǒng)一軟件平臺。使用 Vitis 平臺提供的領域?qū)Ｓ瞄_發(fā)環(huán)境，FPGA 編程僅用時三個月。

成效

將以前學習過的數(shù)據(jù)整合到卷積神經(jīng)網(wǎng)絡 (CNN) 中，用作實時評估內(nèi)窺鏡視頻輸入的依據(jù)。

在使用該 CNN 和支持向量機 (SVM) 執(zhí)行推斷時，CNN 性能是關鍵問題。運行 CNN 需要將來自 30fps 全高清（FHD，1,920 x 1,080 像素）視頻中的每一幀細分成（例如）16 個區(qū)域以調(diào)整大?。?24x224 像素），方便輸入到推斷引擎中。因為每個推斷操作都需要處理大約 1.89GB/s 的數(shù)據(jù)，所以 16 個區(qū)域的并行評估需要 1.89GB/s x 16 ≒ 30GB/s 的處理能力。這超出了常規(guī) CPU（例如 x86 或 Arm 處理器）的性能水平。

然而使用賽靈思 Alveo U250 加速器卡處理該數(shù)據(jù)，該研究所成功地構(gòu)建出具備足夠處理性能的系統(tǒng)，能夠?qū)崟r執(zhí)行視頻圖像任意 16 個區(qū)域的 CNN/SVM 推斷。實際上，這 16 個區(qū)域的并行評估是通過并行運行 Alveo U250 卡的四個處理單元來實現(xiàn)的。

圖 3：借助 Alveo U250 卡實現(xiàn)實時處理

廣島大學納米元件與生物融合科學研究所副教授 Tetsushi Koide 表示：“這項研究是與廣島大學醫(yī)院及 JR 廣島醫(yī)院合作開展的。使用賽靈思 Alveo 卡推動我們的研究為醫(yī)療成像診斷支持系統(tǒng)提速，實現(xiàn)了常規(guī) CPU 到日前無法企及的基于 AI 的圖像評估速度?！?/p>

責任編輯：lq