边缘设备与云机器学习在基于影像诊断的人群筛查即时检测解决方案中的作用
计算机与社会
2020-06-25 v1 机器学习
图像与视频处理
摘要
边缘设备正在革新诊断方式。边缘设备可位于数字 X 射线、CT、MRI 或超声设备内部或邻近处。这些设备或是 CPU 或是 GPU，运行先进的深度与机器学习（人工智能）算法，辅助进行分类和分诊解决方案，将研究标记为正常或异常、结核或健康（在结核筛查情形下）、疑似 COVID-19/其他肺炎或无显著异常（在医院或热点环境中）。这些可部署为筛查即时检测(PoC)解决方案；对于数字和便携式 X 射线设备尤其如此。边缘设备学习也可用于乳腺摄影和 CT 研究，分别识别微钙化和卒中。这些解决方案可视为影像专家实际审阅扫描并做出最终诊断前的第一道预筛查线。这些工具的关键优势在于即时、可远程部署于无专家处进行预筛查，且不受互联网带宽限制，因为纳米学习数据中心被置于设备旁。
引用
@article{arxiv.2006.13808,
title = {Role of Edge Device and Cloud Machine Learning in Point-of-Care Solutions Using Imaging Diagnostics for Population Screening},
author = {Amit Kharat and Vinay Duddalwar and Krishna Saoji and Ashrika Gaikwad and Viraj Kulkarni and Gunjan Naik and Rohit Lokwani and Swaraj Kasliwal and Sudeep Kondal and Tanveer Gupte and Aniruddha Pant},
journal= {arXiv preprint arXiv:2006.13808},
year = {2020}
}