借助NVIDIA V100 GPU加速AI医学影像学研究
2022-08-22
来源:NVIDIA英伟达
锘崴科技是一家专业的隐私计算技术服务提供商,公司以锘崴信隐私保护计算平台为核心,开发了一整套自主、安全、可控的隐私计算基础设施平台,是实现“数据可用不可见”、“数据不动价值动”以及数据用途“可控可计量”的新型计算范式,赋能医疗、保险、政务、金融等多个行业,促进多方数据协作和计算。
隐私计算数据量庞大,亟需提高计算性能
隐私计算普遍采用密码学技术实现多方协同计算,涉及多种密码协议、密码算法,为了保证计算过程的安全性,密文计算比明文计算往往需要更大的计算和通信负载,导致遇到性能瓶颈问题。例如,在同态加密中密文计算的成本比明文计算高几个数量级。
在隐私计算平台工程化落地应用上,对计算性能提出了更高的要求,需要在保证数据安全和精度可接受的前提下,支持大规模、高并发计算,尤其是一些涉及超多方、超大数据量、复杂场景、复杂算法的应用场景。
以医疗领域为例。从数据结构看,医疗数据类型丰富,除了结构化数据,还有非结构化数据、基因数据、影像数据等。例如,医生的医嘱是一种很常见的医疗非结构化数据,需要通过运用自然语言处理技术,对医嘱进行语义识别,然后转化为结构化数据进行处理,这其中有诸多技术问题需要解决;再如,影像数据的处理,涉及到病灶的勾画、识别,在实际操作中需要专业的隐私计算工具支持。
从数据量看,医疗领域需要处理的数据量庞大。例如,基因数据体量非常大,单个个体的全基因组数据大约为 300GB,如果要做一项疾病研究,即使样本只有 1000 个患者,需要处理的数据量也有 300TB,更何况一些研究需要更多的样本、更大的数据量。
GPU加速方案
化解复杂场景中的计算性能瓶颈
锘崴科技创始人、董事长王爽教授表示,在提升计算性能上,除了算法加速、代码加速等算法优化外,还有一类解决方式是硬件加速,通过新的密码学技术和算法协议,结合 GPU 等硬件加速技术和专有算法实现计算量的大幅提升,满足高吞吐、低时延的性能要求,以及某些特定场景的实时性要求。
GPU 计算芯片是一种通用的芯片,适用于计算密集、高并行计算等深度学习训练模型领域,可以满足隐私计算高度并行、重复的轻量级运算、批量大数据计算等要求。
通过结合NVIDIAV100 GPU,锘崴科技隐私计算平台推出 GPU 加速方案,化解复杂场景中密文计算面临的性能瓶颈问题,提升密文计算速度,扩大隐私计算应用场景与规模,从而进一步加快隐私计算商业化落地速度。
在医疗场景中,借助 NVIDIA V100 GPU,锘崴科技隐私计算平台能够保障在大规模参与方的医疗场景中的良好计算性能,也可以解决大规模多方数据带来的通信性能下降问题。锘崴科技将特征选择、统计匹配、基因对齐、全基因组关联分析、医学影像分割与归类等多种医疗领域的分析方法与隐私计算技术相互融合并形成功能模块,能够实现对医学影像、基因数据等非结构化数据的计算。
例如,依托锘崴科技底层技术及平台,开发了一套带有隐私保护的AI医学影像学分析系统,实现对于新型冠状病毒感染肺炎的快速辅助诊断。其应用覆盖智能辅助诊断疾病、智能勾画靶区、智能判断病理切片、影像设备的图像重建以及其他智能辅助诊断方案,基于 AI 技术帮助医务工作者找出病灶区域,避免人工操作带来的失误,并且可以节约人力成本,为医生的诊断提供快速、可靠和精准的辅助诊断参考。
上述 AI 医学影像学研究内容主要基于安全联邦深度学习的医学图像分割算法、特征提取算法、定量分析和对比等算法,在 V100 GPU 的帮助下,计算时间得到大幅优化,因此可以运行复杂算法、复杂数据和大样本量的研究项目。
更多信息可以来这里获取==>>电子技术应用-AET<<