计算机视觉/视频分析

内窥镜中的人工智能:通过实时传感提高检测率和可见性

人工智能的临床应用正在改善数字化手术,有助于减少错误,提供一致性,并实现以前无法想象的外科医生增强。

内窥镜检查是一种用于检查身体器官或体腔内部的微创手术,人工智能和加速计算能够提高检测率和可见性。

例如,内窥镜医生可以通过烧灼出血的血管来调查症状、诊断和治疗患者。有多种形式的内镜检查,其中许多侧重于影响消化道的胃肠病。

结肠镜检查是胃肠道内窥镜检查的最常见形式之一,对于发现结直肠癌是必不可少的 美国癌症协会预测 2022 年将影响超过 150000 人。

在人工智能的帮助下,内窥镜等手术变得更加安全和一致,同时减少了外科医生的工作量。机器学习算法增强的任务包括标记、清除手术烟雾、分类气道疾病、识别气道大小、识别病变和病变组织,以及自动计算仪器的最佳物理路径。

为了实现这些临床应用,正在为特定任务开发技术算法:

  • 用于检测和自动测量的器官分割
  • 工具跟踪
  • 组织类型识别
  • 光流
  • 军团分类

增强和处理视频流

在内窥镜检查中,增强和处理视频流的任务是增强外科医生技术技能的关键。这包括内窥镜图像去噪、异常对象检测和异常测量任务,以及摄取高分辨率和高带宽数据的流任务。

为了实现人工智能并完成这些任务,开发人员必须解决医疗器械开发过程中的诸多挑战,例如:

  • 摄取高分辨率、高带宽数据流
  • 以低延迟预算运行 AI 推理
  • 寻找灵活的传感器和数据 I / O 选项
  • 构建从边缘到数据中心再到云的分布式计算平台
  • 采用新的深度学习算法

今天,大多数开发人员在每次解决问题或工作流瓶颈时都必须构建单独的解决方案。 NVIDIA Clara Holoscan 是一个具有 AI 工作负载计算的开发平台。通过增强的可视化和自动异常检测等工作负载,您可以轻松定制各种挑战的解决方案。

拥有一个加速平台来迭代人工智能并将其集成到内窥镜工作流程中,为您提供了一种低风险、低成本的方法,为您现有的内窥镜系统添加增强功能。

无论是在边缘部署延迟敏感的实时任务,还是在云中部署分析和摘要任务, NVIDIA Clara Holoscan 都可以减轻复杂性,让您快速构建定制 AI 解决方案,以改进内窥镜检查。

NVIDIA Clara Holoscan 上的内镜 AI 样本应用

如果您希望为医疗设备构建自定义应用程序,参考应用程序可以提供一个简单的起点。 NVIDIA Clara Holoscan SDK 包括一个支持人工智能的内窥镜应用程序示例,作为模板,用于在现有应用程序中重用组件和应用程序图,以构建自定义人工智能管道。

内窥镜 AI 示例应用程序具有 GXF 的端到端功能, GXF 是构建高性能应用程序的模块化可扩展框架。 GXF 为与以下接口的设备提供支持: AJA 具有 HDMI 输入。其深度学习模型可以对内窥镜视频流实时执行目标检测和工具跟踪。

几个功能用于最小化总延迟:

  • GPUDirect RDMA 视频数据传输,以消除向系统内存或从系统内存复制的开销。
  • NVIDIA 性能原语 在人工智能推理之前, CUDA 加速 2D 图像转换库。
  • TensorRT 优化 AI 推理和加速的运行时间。
  • CUDA 和 OpenGL 互操作性,为可视化提供了 GPU 上的高效资源共享。

有关内窥镜 AI 示例应用程序、其在 NVIDIA Clara Holoscan 上的硬件和软件参考体系结构以及生产路径的更多信息,请参阅 Clara Holoscan endoscopy whitepaper.

并被选为亮点论文

胆囊手术的内窥镜图像显示了人工智能驱动的逐帧工具识别和跟踪。图片由研究小组 Camma 、 IHU 斯特拉斯堡和斯特拉斯堡大学提供.

 

Tags