幾個世紀(jì)以來，醫(yī)生都試圖借助更好的醫(yī)療工具來深入檢查病人的身體狀況，讓他們遠(yuǎn)離病痛的折磨。CT掃描、3D超聲和MRI（磁共振成像）等診斷成像技術(shù)在醫(yī)學(xué)上的運用已經(jīng)幫助挽救了數(shù)百萬人的生命。如今，GPU及由其驅(qū)動的深度學(xué)習(xí)技術(shù)正在為智能醫(yī)學(xué)儀器打開一扇全新的大門。

智能醫(yī)學(xué)儀器其實都是可運行復(fù)雜數(shù)學(xué)運算的計算機，將傳感器捕捉的信號轉(zhuǎn)化為2D和3D圖像以供醫(yī)生讀取。醫(yī)生們除了要求這些儀器能夠安全、簡便地運行，還希望能夠提高生成圖像的分辨率和保真度。

基于Volta架構(gòu)的GPU加快信號和算法的處理速度

如今，醫(yī)生們的訴求成為了可能。憑借大規(guī)模并行計算能力，NVIDIA基于Volta架構(gòu)的GPU能夠高速處理信號和成像算法。

在深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)處理方面，借助全新的NVIDIA Volta GPU，嵌入式人工智能計算機可以每秒進(jìn)行320萬億次操作，并且運行功耗不超過500瓦。這相當(dāng)于使用原來1/60的功耗實現(xiàn)60個CPU服務(wù)器節(jié)點的性能。

深度學(xué)習(xí)、NVIDIA GPU計算和醫(yī)學(xué)成像的結(jié)合開啟了智能醫(yī)療儀器的新時代。通過使用NVIDIA GPU，眾多診斷成像領(lǐng)域的先驅(qū)已經(jīng)在醫(yī)學(xué)成像領(lǐng)域的各個主要環(huán)節(jié)取得了令人驚艷的成果。

全新的圖像重建深度學(xué)習(xí)框架

圖像重建是將數(shù)據(jù)采集階段獲取的信號轉(zhuǎn)化為圖像的過程。

在過去十年間，人類在信號處理算法方面取得多項進(jìn)展，不僅提高了重建CT圖像的質(zhì)量，還將 X 光的用量減少了將近 80%。GE Healthcare全新推出的Revolution Frontier CT就在使用NVIDIA GPU來進(jìn)行超級計算，用以處理復(fù)雜的重建算法。

來自麻省總醫(yī)院、A.A.Martinos生物醫(yī)學(xué)成像中心和哈佛大學(xué)的研究人員開發(fā)了一種全新的名為“AUTOMAP”的圖像重建深度學(xué)習(xí)框架。

傳統(tǒng)的圖像重建需要使用離散變換和各種過濾算法，并在實施時使用手動信號處理。而AUTOMAP則使用統(tǒng)一的圖像重建框架取代了這種方法，無需任何專業(yè)知識就可以學(xué)習(xí)傳感器與圖像域之間的重建關(guān)系。

左邊為傳統(tǒng)圖像重建，右邊為AUTOMAP新型框架。

除了重建外，醫(yī)學(xué)成像的圖像處理階段還包括檢查、分類和分割。

用于3D分割的立體卷積神經(jīng)網(wǎng)絡(luò)

慕尼黑工業(yè)大學(xué)、慕尼黑大學(xué)和約翰·霍普金斯大學(xué)的研究人員開發(fā)了一種名為“V-net”的立體卷積神經(jīng)網(wǎng)絡(luò)，可執(zhí)行前列腺MRI數(shù)據(jù)的3D分割。在此過程中，系統(tǒng)會對需要注意的器官進(jìn)行劃分，對3D圖像中器官的每個體素進(jìn)行分類并分配相同的標(biāo)簽。

通過執(zhí)行立體分割以處理3D數(shù)據(jù)的完全卷積神經(jīng)網(wǎng)絡(luò)示意圖。

V-net在描繪前列腺狀況的MRI圖像體上接受端到端的訓(xùn)練，學(xué)習(xí)一次便可預(yù)測整體的分割。V-net 分割圖像中會存在數(shù)百萬個3D體素，訓(xùn)練其中每一個體素都需要大量的計算，因此這個團隊使用了NVIDIA GPU。

如今，醫(yī)生們無需嘗試分析多張2D圖像，僅使用立體渲染即可生成全方位3D圖像。通過功能強大的NVIDIA GPU，醫(yī)生可以從不同角度控制并查看圖像，以更好地了解解剖結(jié)構(gòu)的空間關(guān)系。

使用電影渲染實現(xiàn)解剖結(jié)構(gòu)可視化

在約翰·霍普金斯大學(xué)，Elliot Fishman博士和Siemens的研究人員開發(fā)了一種名為“電影渲染”的新方法，使用基于物理性質(zhì)的光擴散模擬，以生成逼真的人體圖像。電影渲染受到了電腦動畫電影中使用的計算機繪圖和GPU技術(shù)的啟發(fā)，使用全局照明，通過數(shù)千條直接和間接光線制作出一張逼真的圖像。

電影渲染可以生成逼真的圖像，這些圖像有可能更準(zhǔn)確地描繪解剖細(xì)節(jié)和復(fù)雜的解剖結(jié)構(gòu)。“電影渲染：原理、應(yīng)用和在CT中的觀察結(jié)果”，

通過這些令人驚艷的圖像，放射科醫(yī)生可以識別出細(xì)微的紋理變化和周圍解剖結(jié)構(gòu)的空間關(guān)系。另外，F(xiàn)ishman博士和霍普金斯的團隊正在研究深度學(xué)習(xí)算法是否可以從電影渲染的圖像保真度中獲益。

實現(xiàn)新一輪的成果突破

NVIDIA GPU計算和深度學(xué)習(xí)將帶來新一輪的成果突破，提高圖像保真度、降低放射量并進(jìn)一步實現(xiàn)微型化。

通過NVIDIA GPU，未來的醫(yī)學(xué)成像系統(tǒng)將成為小型人工智能超級計算機。它能夠賦予醫(yī)生超人般的透視能力，讓醫(yī)生即時查找和重點關(guān)注需要注意的解剖區(qū)域。

早期檢測往往是治愈疾病的關(guān)鍵，而這些智能醫(yī)學(xué)儀器正在不斷增強早期檢測的成效，拯救越來越多人的生命。