低代码智能医疗平台示范应用

发布者: Spline.ai

这里展示的 Spline.ai 低代码智能医疗平台是一个使用肺炎和新冠病毒深度学习应用的演示。该模型使用 Vitis™ AI 软件平台编译优化,以通过 Ubuntu 22.04 操作系统在 Kria™ KV260 入门套件上运行推断。这款低代码框架旨在通过 AWS IoT Greengrass v2 平台独立开发应用或者使用一系列基于 Kria K26 SOM 的广泛边缘设备开发应用。

视频由 Spline.ai 提供

特性:

  • 使用新冠病毒确诊患者的 4 万多个胸部 x 射线图像训练一个用于预测新冠病毒的深度学习模型
  • 优化模型的深度学习推断通过 Ubuntu 22.04 操作系统在 Kria KV260 入门套装上运行
  • 应用可离线运行(与云断开连接)、本地运行并在连接至云端时运行
  • 连接至云端时,所有推断结果均保存在 DynamoDB 表中
  • 可将多个边缘设备部署至远程位置,通过 AWS S3 存储传输图像数据
  • 可使用 AWS Fleet Hub 执行设备运行状况监测
  • 可整合 SageMaker、Data Lake 以及 CloudWatch 等其它 AWS 资源来满足应用需求
  • 低代码可实现其它应用的快速开发与修改
  • 该平台可根据客户申请扩展至其它云服务

合作伙伴信息

1702406-portable-ultrasound-x-ray

Spline.ai 智能医疗平台

Spline.ai 智能医疗平台是使用 Amazon IoT Greengrass v2 平台和 Kria KV260 入门套件作为边缘器件开发的。可连接一系列基于 Kria K26 SOM 的边缘设备,开发低时延、低功耗、低成本的物联网应用。

Spline.ai 提供一个高度可扩展的开发平台,其成本效益极高,适合多个联网的医院、救护车或移动医院使用案例。

该医疗平台旨在帮助医疗专业人员开发一个放射学流程,助力改进医疗诊断、监控和跟踪应用。

该平台还可用于开发医疗保健以外的各种可扩展应用,如农业、机器人、污染监测以及其它工业应用等。

利用 Vitis AI 模型专区,智能平台可插入各种高质量的深度学习模型,快速开发各种物联网应用。

常见问题解答

不,该应用不需要任何 FPGA 设计经验。

客户可以选择购买 30 天的免费评估浮动许可证,也可选择购买节点锁定的永久付费许可证。

现成的新冠病毒预测针对北美、欧洲和印度提供。其他国家可申请定制选项。

对,边缘设备系列的配置可用于管理多个位置间的大型设备部署。

图像数据的处理在边缘设备上很安全。Kria SOM 和 AWS 支持的安全和安全标准主要用于保护私人信息和患者数据。

开发可扩展的物联网应用时,该平台可使用 Vitis AI 模型专区的微调及重新训练模型,也可使用其它相似类型的模型。

主要资料
通过自适应计算助力电力驱动控制和效率
通过自适应计算助力电力驱动控制和效率

AMD Kria™ 自适应模块系统 (SOM) 器件在电力驱动控制中发挥着重要作用。这些器件可用于优化性能、更高效地驱动电机、降低功耗、降低噪音、抑制振动,甚至提前检测潜在故障。下载全新的电机控制电子书以了解更多信息!

使用自适应计算加速您的 AI 边缘解决方案
使用自适应计算加速您的 AI 边缘解决方案

了解有关自适应 SOM 的所有信息,以实例解释了自适应 SOM 为什么适合下一代边缘应用,以及如何在下一代边缘应用中部署自适应 SOM。本书还强调了智能视觉提供商如何从只有自适应 SOM 才能实现的性能、灵活性及快速开发等优势中获益。

机器人自适应计算
机器人自适应计算

对机器人的需求正在迅速增长。构建一款既安全又能与人一起工作的机器人已经够难了。还要让这些技术协同工作,则更具挑战性。更复杂的是,机器学习和人工智能的加入,增加了满足计算需求的难度。

机器人专家正在转而采用自适应计算平台,其可在一个适应未来、可扩展的自适应集成型平台上实现内建的安全功能,从而可提供低时延、确定性的多轴控制。参阅 eBook,了解更多信息。