基于AI的大脑MRI应用的边缘计算:对实时分类和细分的批判性评估
Khuhed Memon1, Norashikin Yahya1, Mohd Zuki Yusoff1
1Department of Electrical and Electronics Engineering, Universiti Teknologi PETRONAS (UTP), Seri Iskandar 32610, Perak, Malaysia.
Sensors (Basel, Switzerland)
|November 9, 2024
概括
这项研究评估了用于人工智能医疗成像诊断的边缘计算平台. 安卓手机为AI诊断工具提供了最快的实时性能,非常适合远程医疗保健应用.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 边缘计算 边缘计算
背景情况:
- 医学成像技术 (MRI,CT,PET,超声波) 对于诊断至关重要.
- 人工智能 (AI) 越来越多地用于增强诊断放射学.
- 边缘计算为资源有限的偏远地区处理医疗数据提供解决方案.
研究的目的:
- 评估各种平台对人工智能驱动的诊断放射学工具的实时部署能力.
- 为了比较医疗图像分析应用程序的不同硬件和软件配置的性能.
- 在各种计算平台上部署诊断工具的成本效益分析.
主要方法:
- 利用MRI分类和细分应用程序进行性能测试.
- 评估的平台包括一个配备NVIDIA GPU的PC,Jetson Xavier NX,Raspberry Pi 4B和Android手机.
- 使用MATLAB,Python和Android Studio进行开发和测试.
- 分析了不同配置的计算时间和准确性.
主要成果:
- 安卓手机使用TFLite模型实现了最快的分类推断时间 (0.1068秒),精度损失最小.
- 在细分方面,Android手机 (3.2023秒) 和Jetson Xavier NX (5.2641秒) 显示出具有竞争力的性能.
- 杰森Xavier NX和Android手机因其尺寸,速度和成本的平衡而被确定为最佳平台.
结论:
- 边缘计算平台,特别是Android手机和Jetson Xavier NX,非常适合实时AI诊断放射学应用.
- 这些平台为医疗图像分析提供了高效和负担得起的解决方案,特别是在偏远或服务不足的地区.
- 该研究强调了可访问技术的潜力,以提高医疗保健中的诊断能力.
关键词:
安卓安卓安卓是一个安卓系统.恩维迪亚 杰森 克萨维耶 克萨维耶拉斯伯派 (Raspberry Pi) 是一款非常有价值的小米电脑.在TFLite中使用.人工智能 (AI) 是一种人工智能.计算机辅助诊断 (CAD) 是一种计算机辅助诊断.成本效益分析分析医学成像医学成像实时部署实时部署.
