Aperçu général
L'acquisition comprimée est une technique de traitement des signaux qui permet d'accélérer les examens d'imagerie médicale. Philips Healthcare a intégré les méthodes d'acquisition comprimée dans ses scanneurs d'imagerie par résonance magnétique (IRM) pour réduire les temps de balayage de jusqu'à 50 % pour les séquences en 2D et 3D, par rapport aux scanneurs Philips dépourvus de la technologie Compressed SENSE et avec une qualité d'image pratiquement identique. Récemment, des méthodes d'apprentissage profond ont été explorées pour la reconstruction d'images IRM et ont affiché des résultats satisfaisants en matière de qualité d'image et de vitesse de reconstruction. Philips Healthcare et Intel rendent compte de deux architectures hybrides de codage/décodage dans le domaine de la fréquence et de l'image qui donnent d'excellents résultats en matière de reconstruction IRM.
Nous illustrons comment ces deux réseaux neuronaux peuvent être accélérés sur du matériel Intel® à l'aide de la Distribution Intel® du kit d'outils OpenVINO™. En effet, ce kit d'outils permet à Philips Healthcare d'accélérer l'inférence d'apprentissage profond jusqu'à 54 fois par rapport à TensorFlow 1.15 standard non optimisé, tel que testé dans l'environnement Linux propriétaire de Philips sur des processeurs Intel® Xeon®1 Nous décrivons ensuite comment exploiter la technologie Intel® DevCloud for the Edge, qui a permis à Philips Healthcare de comparer les performances de ses modèles d'apprentissage profond sur les processeurs Intel® Xeon® et Intel® Core™, les unités de traitement de la vision Intel® Movidius™, les FPGA et le matériel processeur graphique intégré afin de concevoir des produits d'apprentissage profond qui répondent à divers besoins en matière de performances, de coût, de puissance et de format.
Lisez le livre blanc intitulé Philips Healthcare Uses the Intel® Distribution of OpenVINO™ Toolkit and the Intel® DevCloud for the Edge to Accelerate Compressed Sensing Image Reconstruction Algorithms for MRI.