伦敦大学国王学院,连同合作医院和大学合作者,今天公布了关于第一个项目的新细节。 Cambridge-1 ,英国最强大的超级计算机。
合成大脑项目的重点是建立深度学习模型,可以合成人脑的人工 3D MRI 图像。这些模型可以帮助科学家了解人类大脑在不同年龄、性别和疾病中的样子。
人工智能模型是由伦敦国王学院和 NVIDIA 数据科学家和工程师开发的,是伦敦医学成像和人工智能价值医疗中心的一部分。这项研究是由英国研究和创新和威康旗舰计划(与伦敦大学学院合作)资助的。
使用合成数据还有一个额外的好处,那就是确保患者隐私,并使 King ‘ s 有能力向更广泛的英国医疗保健界开放这项研究。如果没有 Cambridge-1 ,人工智能模型将需要数月而不是数周的时间来训练,而且最终的图像质量也不会那么清晰。
King 和 NVIDIA 的研究人员使用 Cambridge-1 使用多个 GPU 将模型缩放到必要的大小,然后应用一种称为超参数调整的过程,这大大提高了模型的精度。
伦敦国王学院人工医学智能高级讲师豪尔赫·卡多佐说:“剑桥一号能够加速生成合成数据,使国王学院的研究人员能够了解不同因素如何影响大脑、解剖和病理。”我们可以要求我们的模型生成几乎无限量的数据,包括规定的年龄和疾病;有了这个,我们就可以开始解决诸如疾病如何影响大脑以及何时存在 MIG ht 异常等问题。”
介绍 NVIDIA Cambridge-1 超级计算机为像合成大脑项目这样的突破性研究提供了新的可能性,并且可以用来加速疾病、药物设计和人类基因组的数字生物学研究。
作为世界上速度最快的 50 台超级计算机之一, Cambridge-1 基于 80 个 DGX A100 系统,集成了 NVIDIA A100 GPU s 、 Bluefield-2 DPU s 和 NVIDIA HDR InfiniBand 网络。
伦敦国王学院正在利用 NVIDIA 硬件和开源软件 MONAI 软件框架 由 PyTorch 支持,与 cuDNN 和 Omniverse 合作开发他们的合成大脑项目。 MONAI 是一个免费提供的、基于社区支持的 PyTorch 框架,用于医疗成像领域的深度学习。 CUDA 深度神经网络库( cuDNN )是一个用于 深层神经网络 是一个开放的虚拟协作和实时仿真平台。 King ‘ s 公司刚刚开始使用它对大脑进行可视化,这可以帮助医生更好地了解脑部疾病的形态学和病理学。
随着深度学习体系结构效率的提高以及硬件的改进,医学体数据在更高分辨率下的复杂和高维建模成为可能。矢量量化变分自动编码器( VQ-VAE )是一种高效的生成式无监督学习方法,它可以将图像编码成与初始尺寸相比相当压缩的表示形式,同时保持解码的保真度。
King ‘ s 采用 VQ-VAE 启发和 3D 优化网络,有效地对全分辨率脑体积进行编码,将数据压缩到原始大小的 1% 以下,同时保持图像保真度,性能优于以前的最新技术。
在对图像进行 VQ-VAE 编码后,通过针对数据的体积性质和相关序列长度进行优化的远程变压器模型来学习潜在空间。由数据的三维性质引起的序列长度需要剑桥 1 号提供的多 GPU 和多节点缩放所能提供的无与伦比的模型尺寸。
通过从这些大型变压器模型中采样,并对感兴趣的临床变量(如年龄或疾病)进行调节,可以生成新的潜在空间序列,并使用 VQ-VAE 将其解码为体积脑图像。变压器 AI 模型采用注意机制,对输入数据各部分的重要性进行差异权衡,并用来理解这些序列长度。
创建与现实生活中神经放射学研究惊人相似的 生成性脑图像 有助于理解大脑是如何形成的,创伤和疾病是如何影响它的,以及如何帮助它恢复。使用合成数据代替真实的患者数据,可以缓解数据访问和患者隐私方面的问题。
作为伦敦国王学院合成大脑生成项目的一部分,代码和模型是 open-source NVIDIA 为改进 fast-transformers 项目 合成大脑项目所依赖的。
要了解更多关于剑桥一号的信息,请观看 剑桥 -1 就职典礼 从 NVIDIA 创始人和首席执行官 Jensen Huang ,以及与英国医疗保健专家小组从阿斯利康, GSK ,盖伊和托马斯的 NHS 基金会信托基金会,伦敦大学国王学院和牛津纳米孔。