顶目背景

人工智能在医疗领域的发展主要依赖于算法、计算力和数据资源，随着深度学习的发展，算法已经不再是智能医疗领域的壁垒，算力和医疗大数据正在成为影响智能医疗发展的关键性因素。医疗数据的专业性、信息复杂性，使得医疗数据处理需要巨大计算力，而优质的医疗数据也直接决定着深度学习模型训练之后的性能。

随着人工智能技术在医疗领域的应用和发展，影像辅助医疗通过机器学习的计算机视觉的图像分类、分割、对象检测、3D渲染等，可以帮助医疗科学家“洞见”医学影像资料中细微的关键改变。

北京某研究院的主要研究范围为通信终端软硬件开发、多媒体软件开发、机器视觉，此次项目主要涉及到对于AI影像辅助医疗的科研，主要通过计算机视觉技术对医疗影像进行快速读片和智能诊断，以解决医疗行业两大根本痛点：
- 阅片医师增长量无法满足病理影像增长量
- 医生阅片、诊断水平层次不齐

核心需求

本项目旨在满足北京某研究院对于AI影像的科研需求，以解决医学影像的两大痛点：
- 医生缺口大，误诊率高、效率低，服务模式亟待创新
- 医学影像分析工作繁琐重复，极度消耗医师精力

该研究院为落地医学影像诊断提出以下需求：
- 病灶识别与标注:针对医学影像进行图像分割、特征提取、定量分析、对比分析等工作
- 靶区自动勾画与自适应放疗:针对肿瘤放疗环节的影像进行处理
- 影像三维重建:在人工智能进行识别的基础上进行三维重建，针对手术环节的应用

解决方案

为基于用户核心需求作以下分析并给出方案：

服务器采用多台AMAX自主研发的AI高算力专业级全液冷GPU工作站——TL40-X2， 搭载双路英特尔®至强®可扩展处理器和四片 液冷GPU，在全液冷散热帮助下，达到出色降噪 ，满负荷整机噪声低于50dB。同时96GB超大显存，支持高达520 TFLOPS混合精 度计算性能、64TFLOPS单精计算性能，1550MHz以上的稳定运行频率，带来了优质性能。液冷工作站还配有触摸式操控面板，可 对冷却系统进行实时监控与操控。

总结:

该研究院以通过AMAX的全液冷工作站做到以下加速：
- 病灶筛查：针对 X 射线、CT、核磁共振等医学影像的病灶自动识别与标注系统，大幅提升效率
- 靶区自动勾画：对200-450 张 CT 片进行自动勾画，时间缩短到30分钟
- 影像三维重建:基于灰度统计量的配准算法和基于特征点的配准算法，解决断层图像配准问题，节省配准时间，提高配准效率。