北京2021年1月26日 /美通社/ -- 近日，TF2開源社區(qū)（網(wǎng)址：https://github.com/TF2-Engine/TF2）公布了一項最新創(chuàng)新成果：南開大學智能計算系統(tǒng)研究室（NKiCS）在AI眼底圖像血管分割研究中，借助浪潮FPGA開源框架TF2，將單張眼底圖像的推理速度提升2.4倍，在提高工作效率的同時有效地降低了計算功耗。這將推動眼底圖像分析技術(shù)在臨床應用，幫助醫(yī)生更快速地診斷與眼底相關聯(lián)的糖尿病及其他慢性疾病。
眼睛是人體健康的“鏡子”，眼底圖像可以間接反應腦血管系統(tǒng)等的病變情況，具有非侵入的優(yōu)點。通過從檢眼鏡采集的彩色眼底圖像中提取視網(wǎng)膜血管，醫(yī)療人員能夠分析血管形態(tài)狀況，進行疾病預警、篩查和診斷。但是，受眼底圖像采集技術(shù)的限制，圖像中往往存在大量噪聲，再加之視網(wǎng)膜血管結(jié)構(gòu)復雜多變，使得視網(wǎng)膜血管分割非常困難。人工智能深度學習技術(shù)能夠顯著提升血管分割的速度，幫助醫(yī)療人員快速、準確分析眼底血管形態(tài)，診斷糖尿病、心腦血管疾病等常見疾病。
眼底圖像（左）與血管圖像（右）
在實際應用中，由于血管分析模型參數(shù)量大、計算復雜度高等問題，一般需要昂貴的GPU才能達到較快的分割速度，不利于眼底圖像技術(shù)的臨床推廣應用。如何提高眼底圖像分割效率并降低TCO，是研究人員亟需解決的問題。NKiCS研究人員嘗試將高性能功耗比、可定制、低延遲的FPGA技術(shù)運用到眼底圖像血管分割中，但面臨FPGA軟件編寫門檻高、性能優(yōu)化受限、功耗難以控制等挑戰(zhàn)。
浪潮FPGA開源框架TF2支持PyTorch、Caffe等深度學習框架，經(jīng)過編譯技術(shù)即可適配訓練好的深度學習模型到FPGA上，而不需要任何的FPGA開發(fā)工作，可幫助用戶快速實現(xiàn)基于主流AI 框架和深度神經(jīng)網(wǎng)絡模型（DNN）的FPGA線上推理，并通過首創(chuàng)的FPGA上DNN的移位運算技術(shù)獲得AI 應用的高性能和低延遲。
TF2計算加速流程
為了促進FPGA技術(shù)的開源開放合作發(fā)展，降低高性能AI計算技術(shù)門檻，TF2開源社區(qū)推出了可重構(gòu)AI計算發(fā)展計劃，為參與者提供F10A、F37X等最新FPGA加速卡支持，鼓勵參與者將創(chuàng)新性成果反饋至社區(qū)，并提供針對性的技術(shù)培訓和服務，支持項目開發(fā)和落地。
在TF2開源社區(qū)的助力下，NKiCS采用TF2和浪潮F10A FPGA加速卡適配BTS-DSN神經(jīng)網(wǎng)絡模型，實現(xiàn)了眼底血管圖像實時分割，大幅提升了工作效率，并降低了功耗和TCO。研究人員首先利用TF2的模型優(yōu)化轉(zhuǎn)換工具Transform Kit對網(wǎng)絡模型實現(xiàn)模型轉(zhuǎn)換、模型壓縮與特征圖量化，并生成適配TF2智能運行引擎Runtime Engine的網(wǎng)絡模型文件，然后與Runtime Engine提供的計算架構(gòu)相結(jié)合并編譯為FPGA目標文件，最后實現(xiàn)基于FPGA的神經(jīng)網(wǎng)絡推理計算加速，高速處理眼底血管分割任務。實測結(jié)果顯示，單張眼底血管圖像推理僅需0.0434秒，相較于GPU提速2.4倍，同時加速卡功耗僅35W，有效提升了性能功耗比。
除了加入TF2開源社區(qū)，為了推動AI眼底血管圖像分析技術(shù)走向臨床應用，NKiCS也在努力推動眼底圖像數(shù)據(jù)的開源開放。NKiCS聯(lián)合多家權(quán)威醫(yī)學機構(gòu)，發(fā)布了OIA數(shù)據(jù)集（鏈接：https://github.com/nkicsl/OIA），填補了中國眼科圖像數(shù)據(jù)領域的空白。OIA是基于臨床環(huán)境的、高質(zhì)量的、數(shù)據(jù)樣本充分的系列數(shù)據(jù)集，包括面向糖尿病視網(wǎng)膜病變分類和病變點分割的數(shù)據(jù)集OIA-DDR，以及基于眼底圖像的多類型病變分類的數(shù)據(jù)集OIA-ODIR，從來自全國26個省份，400多家臨床醫(yī)院的160多萬張眼底圖像庫中，通過專業(yè)人員抽取、眼科專家標注、計算機專家建模評測而得到。
隨著眼底圖像處理效率提升和數(shù)據(jù)集不斷完善，NKiCS開發(fā)的眼底圖像分析技術(shù)將在不久的將來應用到臨床，幫助醫(yī)生更高效、更精準地診斷與眼底相關聯(lián)的疾病，讓更多患者得到及時的干預與診療。
