X 射线分析:在边缘器件上的医疗自适应 AI(第二部分)

人生从怀孕到死亡的每个阶段都提供了数据的丰富来源,这些数据有可能为医疗保健实现高性能的人工智能解决方案。该系列网络研讨会由两部分组成,我们将讨论就地在硅胶中进行医疗保健推断的重要性。在本地,人工智能不仅可减少重新成像的复发、加速分流,而且还可减少诊断的时间周期,所有这些都可提高临床效率、改善患者预后。在本次网络研讨会上,我们将深入探讨从 CAD 和图像重建到 NLP 和 AI 分析的各种 AI 应用。最后,我们将讨论医疗设备及本地加速器的设计,其可提供必要的安全性、性能、灵活性及可靠性,帮助临床医生使用医疗 AI。

我们很荣幸地邀请到 Spline.AI 的 Syed Hussain 博士和 Hazeem Sait 博士作为演讲嘉宾。Spline.AI 与 Amazon Web Services(AWS)和 Xilinx 共同携手开发用于 COVID-19 和肺炎检测的开源、开放模型、X射线图像分类解决方案。

欢迎和我们一起探讨以下问题:

  • 从影像到新药研发,人工智能在医疗保健中的重要应用是什么?
  • 我们如何才能以最少的成本和最大的灵活性在芯片中原地、安全地部署自适应 AI 解决方案?
  • 我们如何在云端训练并就地部署?利用 AWS Sagemaker、TVM、PYNQ 和 Xilinx DPU 来扩展 AI 部署
专题:
X 射线分析:在边缘器件上的医疗自适应 AI(第一部分)
X 射线分析:在边缘器件上的医疗自适应 AI(第二部分)