在多配置边缘计算平台上实现高效 AI用於医学图像分析 (ART/340CP)

随着5G与IoT的发展，目前边缘计算在各个领域的应用非常广泛。边缘计算因具有极快的响应速度、极低的网络负荷需求、有效的用户数据隐私保护等优势，使其能够被很好地应用於临床医学诊断中，尤其像消化道内镜与超声这类诊断，医生往往需要在实时影像检查中做出判断与决策，此时基於边缘计算的AI将对医生提供实时指导与辅助，从而提升疾病的检出率，另一方面，AI辅助还可以间接提升一些缺乏临床诊断经验的医生的诊断水平。 我们的解决方案将专注於在便携式边缘设备上实现高效人工智能，将其与现有的医疗影像设备进行连接赋能，从而实现多边缘计算平台和多应用场景的覆盖。在技术实现上，一方面通过设计特徵感知深度神经网络模型去提高AI算法的準确率，另一方面针对便携式边缘计算平台对深度神经网络进行架构层面与硬件层面的优化，提高AI算法的处理速度。在本项目中，我们将专门针对消化道内窥镜检查的应用场景进行深入研究，对现有电子内窥镜系统进行AI赋能，提供多种实时辅助分析功能。