阿里云为新冠AI辅助诊断系统加速

简介: 阿里云为此次新冠肺炎AI诊断系统的部署提供了全球加速解决方案,通过全球加速GA产品,依托阿里巴巴遍布全球的优质传输网络,可以有效提升全球数据访问的稳定性。

--------点击屏幕右侧或者屏幕底部“+订阅”,关注我,随时分享机器智能最新行业动态及技术干货----------

新冠病毒全球爆发

2020年注定是不平凡的一年,新型冠状病毒肆虐全球,对于每个人来说都是一场灾难。
根据丁香园统计的数据,截止到2020年5月29日,全球新冠(COVID-19)累计确诊病例5,593,631人,累计死亡353,334人。虽然中国疫情已经进入尾声,但是全球疫情新增确诊病例却呈现持续上升趋势。

毫无疑问,COVID-19不是一座城市的疫情,也不是一个国家的疫情,而是全世界的疫情,没有人能够置身事外,需要共同面对。

诊断一位患者,医生要肉眼阅读数百幅CT影像

一般来说,一个病人的CT影像包含数百张切面,即使经验丰富的医生也需要花费大约15-20分钟的时间去阅读CT影像,才能得到准确的诊断。

在新冠疫情爆发期,疑似患者的CT影像被证实成为筛查新冠肺炎的高效手段,这就代表每个医生每天需要进行批量CT影像的读片判断,无疑这个工作量是惊人的。同时依靠医生肉眼识别病灶微小的变化会花费大量时间,不仅诊断效率低,也会造成医生压力大,患者等待时间长。

50万份CT训练,澳科大开发新冠肺炎AI辅助诊断系统

在疫情初期,澳门科技大学医学院张康教授团队便携手中国科学院、国家生物信息中心、清华大学、中山大学孙逸仙纪念医院、广州再生医学与健康广东省实验室、四川大学华西医院等团队,联合应急开发了基于胸部CT和X-ray影像学的新冠肺炎AI辅助诊断系统。

该科研团队在分析了超50万份临床影像学数据的基础上,利用了深度学习、迁移学习、语义分割等多种人工智慧前沿技术,辅助临床医生进行新冠肺炎的快速诊断和定量分析。该AI模型以高精准度和高效率的优势,不仅可以辅助临床医生做诊断决策,提高诊断准确率,还可以减少其工作量,加快诊断效率,节省患者等待时间。

image.png

**澳门科技大学医学院张康教授,图片源自澳科大官网
**

借助阿里云快速部署,实现20秒内CT影像诊断

科研团队需要让新冠肺炎AI辅助诊断系统快速上线使用,实现真正的帮助一线医生快速诊断抗击疫情。由于时间紧急,传统的线下部署方式,要进行设备及线路采购、部署、测试,再将业务部署在线下数据中心,不仅搭建周期长,而且缺乏弹性,很难满足快速部署业务的需求。

经过多次测试和研讨,阿里云以高性能计算、全球加速网络、极速存储等技术优势取得了澳科大张康团队的信赖。在全球加速网络及GPU性能的保证下,系统将影像科医生阅读CT影像缩短至20秒内,且平均准确率高达90%。

阿里云GA,30分钟实现全球加速网络部署

新冠肺炎AI辅助诊断系统想要实现一处部署,全球服务,首先要解决网络连接问题。一张稳定、高速的全球网络可以保证全球科研机构及移动办公的个人,随时随地快速上传CT文件及下载分析结果,从而实现科研成果的全球规模化应用。

阿里云为此次新冠肺炎AI诊断系统的部署提供了全球加速解决方案,通过全球加速GA产品,依托阿里巴巴遍布全球的优质传输网络,可以有效提升全球数据访问的稳定性。GA内置的TCP协议优化能力,还可以大幅提升传输性能。尤为值得一体的是,传统的专线部署周期长达数月,而采用阿里云GA构建的全球加速网络,只需要30分钟部署时间,为业务系统的快速上线提供了基础保障。

当前该系统已经在武汉市金银潭医院、中山大学孙逸仙纪念医院、中山大学第三附属医院、广州医科大附属第一医院、湖北宜昌市中心人民医院、安徽医科大学第一附属医院、新疆喀什地区第一人民医院、四川大学华西医院、澳门科技大学、美国、巴西、伊拉克等地部署,接下来会在全国及世界范围内推广应用。阿里云洛神网络团队协助高校及科研机构,用科技抗击疫情,为全球抗击COVID-19贡献一份力量。

image.png

原文链接:https://yqh.aliyun.com/detail/14250

目录
相关文章
|
6天前
|
存储 移动开发 Linux
Linux系统之部署h5ai目录列表程序
【5月更文挑战第3天】Linux系统之部署h5ai目录列表程序
19 1
|
22小时前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 随着人工智能(AI)技术的飞速发展,其在教育领域的应用日益增多。特别是在持续学习系统(Lifelong Learning Systems, LLS)中,AI技术正开启着个性化和适应性教学的新篇章。本文聚焦于AI在LLS中的创新应用,探讨了机器学习、自然语言处理和认知建模等关键技术如何共同作用于构建智能化的学习环境。文章旨在分析当前AI技术在持续学习领域的最新进展,并展望其对未来教育模式的影响。
|
1天前
|
机器学习/深度学习 人工智能 算法
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第11天】在数字时代的风口浪尖,网络安全问题日益凸显。传统的安全防御手段在应对不断进化的网络威胁时显得力不从心。本文提出了一个基于人工智能技术的自适应网络安全防御系统框架,旨在通过实时分析、学习和预测网络行为,自动调整防御策略以抵御未知攻击。系统采用先进的机器学习算法和大数据分析技术,能够在保持高效性能的同时,最小化误报率。文章详细阐述了系统的设计理念、关键技术组件以及预期效果,为网络安全的未来发展方向提供新思路。
|
1天前
|
机器学习/深度学习 人工智能 自动驾驶
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 在人工智能的迅猛发展浪潮中,一个不断进化的分支便是AI在持续学习系统中的应用。本文旨在探讨AI技术如何革新持续学习系统,并分析其在不同领域的创新实践。文章首先界定了持续学习系统的概念,随后深入解析了深度学习、强化学习以及转移学习等关键技术在其中的作用。通过案例分析,展示了这些技术如何在医疗诊断、自动驾驶及个性化教育中发挥至关重要的角色。最终,讨论了面临的挑战与未来的发展趋势,为读者提供了一个关于AI在持续学习领域未来可能展开的蓝图。
4 1
|
4天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的进化之路
【5月更文挑战第8天】 随着人工智能(AI)技术的飞速发展,AI系统正逐步从单一任务处理转向多任务、持续学习的智能体。本文将深入探讨AI技术在持续学习系统中的最新进展,包括深度学习、强化学习以及转移学习等关键技术。文章还将讨论如何通过这些技术实现AI系统的适应性、泛化能力和自我进化,从而推动AI在多变环境中的长期应用和自主决策能力。
|
4天前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第8天】 随着网络攻击的不断演变,传统的安全措施已不足以应对日益复杂的威胁。本文提出了一种基于人工智能(AI)的自适应网络安全防御系统,旨在通过实时分析网络流量和行为模式来自动调整安全策略。系统利用深度学习算法识别潜在威胁,并通过强化学习优化防御机制。初步实验表明,该系统能够有效提高检测率,减少误报,并在未知攻击面前展现出较强的适应性。
16 1
|
5天前
|
消息中间件 人工智能 监控
|
6天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的应用
【5月更文挑战第6天】 随着人工智能技术的飞速发展,AI在各个领域中的应用越来越广泛。本文将探讨AI在持续学习系统中的应用,以及如何通过这种技术提高教育质量和效率。我们将讨论AI如何帮助个性化学习,提供实时反馈,以及如何通过数据分析预测学生的学习进度。此外,我们还将探讨AI在教育中的潜在挑战和解决方案。
18 3
|
8天前
|
传感器 人工智能 自动驾驶
【AI 场景】如何开发用于自动驾驶的人工智能系统?
【5月更文挑战第3天】【AI 场景】如何开发用于自动驾驶的人工智能系统?
|
8天前
|
机器学习/深度学习 数据采集 人工智能
【AI 场景】设计一个 AI 系统来识别和分类图像中的对象
【5月更文挑战第3天】【AI 场景】设计一个 AI 系统来识别和分类图像中的对象

热门文章

最新文章