KFBIO利用Intel®AI技术加速癌症检测工作负载

使用Intel Xeon®可伸缩处理器和Intel OpenVINO发行版，推理速度提高了8.4X1™ 工具箱

宫颈癌是女性中第四大最常见的癌症，2018年估计新增57万例，占所有女性癌症的6.6%。2通过巴氏涂片（Pap）筛查进行早期诊断并进行治疗，可显著提高患者生存的机会。根据美国国立卫生研究院（NIH）的数据，1990年代引入的宫颈癌筛查液基细胞学（LBC）方法目前在美国90%以上的Pap检测中使用，每年约有6000万个新的样本被收集。4如此大量的测试需要分析，使得医生很难用传统的方法手工筛选和及时诊断。

基于LBC的Pap涂片可以使用自动数字扫描系统进行扫描，以检测癌前细胞和癌细胞的存在。随着深度学习（DL）技术的进步和强大计算系统的可用性，基于AI的筛选解决方案在解决基于LBC的Pap测试诊断难题方面变得既实用又必要。基于深度学习的筛查有助于宫颈癌的诊断

宁波康丰生物信息技术有限公司（KFBIO）是一家病理相关产品的整体解决方案提供商，包括样本处理设备、数字病理扫描系统、病理信息系统和用于检测和分类癌前病变和异常的DL算法/模型。作为中国领先的医学病理切片扫描仪制造商（在多家医院部署了数千台设备），KFBIO将传统病理切片扫描成数字图像的能力使科学家能够应用数字图像技术来辅助医疗诊断。KFBIO开发了一套基于DL技术的AI驱动的病理解决方案，包括使用LBC（KFLBPS）在Pap测试结果中检测宫颈癌、循环肿瘤细胞检测、结核分枝杆菌检测（KFTBS）等。KFLBPS和KFTBS均已获得CFDA认证，KFLBPS准备为中国4亿多妇女提供宫颈癌筛查服务。数字成像使医学数据能够通过网络进行存储、共享和协作分析。

人工智能数字病理学有助于解决医疗资源短缺的问题，并为偏远地区和农村地区的人们提供更好的诊断途径。

本文所展示的性能强调了kfio和Intel之间的合作，基于AI的宫颈癌筛查的潜力。通过与主要医院的合作，KFBIO能够获得更多的Pap测试数据，以改进模型和改进算法。

Intel 人工智能技术加速自动筛选8.4X1

虽然KFBIO有一个有效的DL解决方案扫描基于LBC的宫颈癌标本，他们的工程师希望更高的性能，以便更快地完成扫描。与英特尔工程师合作，KFBIO集成了针对TensorFlow的Intel优化和OpenVINO的Intel发行版™ 将工具箱放入他们的DL软件栈中。对于运行在英特尔至强gold6148处理器上的工作负载，这些优化将推理性能提高了8.4X1，而在没有优化的同一处理器上的基准模型吞吐量相比（请参见图1）。

Intel发行版的OpenVINO toolkit为开发人员提供资源，以创建模拟人类视觉的应用程序和解决方案，跨多个Intel平台CPU、GPU、FPGA和VPU优化深度学习解决方案，并加速深度神经网络工作负荷。基于卷积神经网络（CNN），工具箱：

•在边缘实现深度学习推理

•支持跨计算机视觉加速器CPU、GPU、Intel Movidius的异构执行™ 神经计算棒，FPGA使用通用API

•通过函数库和预先优化的内核加快上市时间

•包括对OpenCV和OpenVX的优化调用

Intel Optimization for TensorFlow为构建在TensorFlow框架上的模型提供了优化的库，以利用Intel处理器的功能，帮助加快训练和推断时间。为了充分利用“英特尔体系结构”（IA）的强大性能，“英特尔TensorFlow优化”包含“英特尔数据分析加速库”（Intel DAAL），这是一个针对深度学习任务的高度优化数学例程库，包括卷积、规范化、激活、内积和其他原语。使用Intel针对TensorFlow的优化，开发人员可以在不更改代码的情况下实现加速执行。

结论

宫颈癌标本筛查的LBC方法被广泛应用于女性第四大癌症的早期检测。使用人工智能技术加速对样本的机器筛选可以增加筛查样本的数量，并有可能更快地提醒医生关注患者的问题。与未优化的模型相比，在Intel Xeon Gold 6148处理器上，使用Intel针对TensorFlow的优化和OpenVINO toolkit KFBIO的Intel发行版可将宫颈癌筛查的推理性能提高8.4X1。数字病理图像很大，通常高达40K×40K，因此需要大量的系统内存来进行AI处理。基于CPU的系统可以提供几百GB的内存，使其成为数字病理工作负载的理想选择。

快来，小伙伴们都在学OpenVINO！ //www.cazqn.com/openvino