英伟达 GPU加速AI智能数据处理,赋能数字化医、药、险联动。

发布时间:2021-09-8 阅读量:914 来源: 我爱方案网 作者: 我爱方案网整理

成都知识视觉是一家专注于数字化医药险联动的互联网医疗企业,结合OCR、NLP和图神经网络多种前沿人工智能技术打造了行业领先,包含医疗单证图像文本化、结构化、标准化和知识化子系统、完整的院外医疗大数据解决方案,助力医疗和保险领域的客户实现高效的数字化转型,赋能数字化医、药、险联动。


在医疗保险行业搭建AI平台面临挑战


AI技术使用门槛高,传统药企、保险、医疗等团队缺乏辅助开发工具、不熟悉相关算法,同时在底层框架及硬件驱动上也有重重困难。同样,在医疗保险行业搭建AI平台主要有以下几大挑战:


一是数据。在医疗、保险行业存在着海量非结构化图像数据,其多源异构的医疗数据涉及40多类的单据图像,保险公司很难将其所包含医疗信息进行有价值的提取和利用。同时,各医疗机构的单证模板制式不统一,医学术语使用不统一等问题。各医疗机构对于数据的结构化规则和精细度也完全不同。而且医疗领域知识专业、复杂且更新频繁,需要大量的专业技术人员来完成保险运营增值所需要的知识更新、数据清洗、数据分析、用户画像和健康建议。


二是算法。得到丰富的数据后,需要对数据进行分类、回归、时间序列和文本等处理,同时要用到深度学习、机器学习技术对数据进行再次加工,需要花费长期大量的研究投入。


三是算力。需要支持数千万数据的训练,只有CPU远远是不够的,要建立CPU+GPU异构计算,汇集数百台服务器的集群,同时根据GPU使用情况支持自动扩容缩容,实现资源的合理分配。


GPU助力高维度数据学习能力 数据处理效率突破百倍提升


在NVIDIAA100TensorCoreGPU和NVIDIATensorRT强大的AI算力推动下,知识视觉极大的缩短了算法研发时间。


1、TensorRT加速AI推理:医疗、保险行业的数据密集型需要更快的速度、更高维度数据学习能力。知识视觉采用了NVIDIATensorRT加速框架,数据处理速度较原来提升了10倍,能高效地处理呈爆发式增长的医疗、保险数据。


2、极大地缩短算法开发时间:以往的AI算法开发者开发一个优质的AI算法往往耗时半年至一年甚至更长时间,在NVIDIAA100的助力下,知识视觉“AIVIEWER”平台将AI算法研发周期缩短至一个月甚至更短,利于AI算法开发者将时间集中在算法研究上,而不是数据处理上。


3、支持数千万的数据训练:用户需要大量算力进行模型训练,在NVIDIAA100的加持下,平台能训练数千万的数据,助力于完成医疗、保险行业海量非结构化图像数据的处理。


知识视觉CEO向飞以及CTO王一哲均表示:“NVIDIAA100和TensorRT的AI计算平台,解决了数据处理速度以及算法算力资源合理分配的难题,使得我们在‘数愈医疗’领域能够不断创新,拓宽应用场景。通过AI技术让医院、药企、保险以及患者真正的享受AI所带来的便捷。用数据创造更多治愈疾病的希望,为我国医疗事业的发展贡献一份力量。”


相关资讯
时钟芯片的作用:统筹时钟生成与同步!

在任何数字电子系统中,时钟信号都扮演着“心脏起搏器”的角色。

RTC晶振PCB设计的核心要点

RTC晶振与普通32.768kHz晶振的PCB设计要点基本一致,其核心均在于通过优化布线以降低杂散电容、确保频率精度,并依托合理的布局规划最大限度屏蔽来自板上其他信号源的电磁干扰。

不同应用场景中的晶振分类知识合集1

按晶振的功能和实现技术的不同,分为温度补偿晶振(TCXO)、压控晶振(VCXO)、恒温晶振(OCXO)。

晶振分频原理:数字电路的周期性计数实现频率转换!

为了在性能与功耗之间取得最佳平衡,需要根据具体应用场景,对基准时钟进行相应的分频、倍频或转换处理,从而为各模块提供适宜的时钟信号。此时,分频技术就成为连接晶振基准频率与系统需求的关键,通过数字电路将晶振原始频率按固定比例降低,输出符合要求的低频时钟信号。

RTC时钟芯片的电路工作原理与解析

RTC芯片是一种专门用于精准计时、掉电续时的专用集成电路,其核心功能是提供精准、稳定的时间信息(包括秒、分、时、日、月、周、年),并能在主电源断电后依靠备用电池继续保持计时,从而确保时间持续不间断。