V100 – NVIDIA 技術博客

AI 基礎模型增強癌癥診斷并實現個性化治療

Tue, 04 Feb 2025 04:44:52 +0000

斯坦福大學研究人員的一項新研究和 AI 模型正在簡化癌癥診斷、治療規劃和預后預測。這項名為 MUSK (Multimodal transformer with Unified maSKed modeling) 的研究旨在提高精準腫瘤學，根據每位患者獨特的醫療數據為其定制治療計劃。 “多模態基礎模型是醫學 AI 研究的新領域，”放射腫瘤學副教授兼研究高級作者 Ruijiang LI 說。“最近，我們為醫學領域開發了視覺語言基礎模型，尤其是在病理學領域。但是，現有研究使用的現有基礎模型需要配對的圖像 – 文本數據進行預訓練。盡管我們付出了大量努力，最終打造出 1M 病理圖像文本對，但它仍然不足以完全捕捉整個疾病譜系的多樣性。” 在考慮患者狀況和規劃最佳治療方案時，腫瘤科醫生依靠多種數據源。然而，醫生和 AI 模型仍然難以集成和解釋復雜的醫療數據。

Source

]]>

深度學習 AI 模型無需手術即可檢測乳腺癌擴散

Thu, 31 Oct 2024 09:29:44 +0000

在診斷癌細胞是否擴散（包括擴散到附近的淋巴結）時，新的深度學習模型可以減少對手術的需求（也稱為轉移）。該 AI 工具由德克薩斯大學西南醫學中心的研究人員開發，通過分析 MRI 和臨床數據的時間序列來識別轉移，從而為醫生制定治療計劃提供關鍵的非侵入性支持。這一進步有助于更及時、更準確地進行癌癥評估，幫助許多患者避免不必要的手術并改善治療效果。大多數與乳腺癌相關的死亡病例都是由轉移性乳腺癌引起的。在美國，大約三分之一被診斷患有早期乳腺癌的女性會發展為轉移性癌癥。然而，早期發現和治療可以減緩疾病進展，幫助醫生和患者管理癥狀，并最大限度地提高治療效果。在檢查癌癥是否已擴散到淋巴結時，醫生通常依靠哨點淋巴結活檢（SLNB）。該過程包括在癌癥部位附近注射染料和放射性溶液，以識別先流入腫瘤區域的哨點淋巴結。然后，這些結節被手術切除并進行活檢。如果在哨點淋巴結中發現癌細胞，

Source

]]>

AI 醫學影像模型實現快速高效的專家級圖像分析

Thu, 17 Oct 2024 06:15:30 +0000

加州大學洛杉磯分校(UCLA)的研究人員開發了一種新的 AI 模型，該模型可以專業地分析疾病的 3D 醫學圖像，而所需的時間遠低于人類臨床專家所需的時間。名為 SL I Vi T (SLice Integration by Vision Transformer) 的深度學習框架可分析來自不同圖像模式（包括視網膜掃描、超聲波視頻、CT、MRI 等）的圖像，識別潛在的疾病風險生物標志物。領導這項研究的計算醫學專家兼加州大學洛杉磯分校（UCLA）教授埃蘭·哈爾珀林（Eran Halperin）博士表示，該模型在各種疾病中的準確性很高，優于許多現有的特定疾病基礎模型。該模型采用了一種新的預訓練和微調方法，依賴于可訪問的大型公共數據集。因此，哈爾珀林博士認為可以相對較低的成本部署該模型來識別不同的疾病生物標志物，從而實現專家級醫學成像分析的大眾化。

Source

]]>

AI 借助零采樣學習發現罕見疾病的現有治療藥物

Wed, 02 Oct 2024 08:39:44 +0000

突破性的藥物再利用 AI 模型可以為醫生和患者帶來新的希望，讓他們嘗試在現有治療方案有限或根本沒有的情況下治療疾病。這個名為 TxGNN 的零樣本工具可幫助醫生找到現有藥物的新用途，以治療原本可能無法治療的病癥。這項研究最近發表在《自然醫學》上，由哈佛大學的科學家領導，可能會減少藥物研發的時間和成本，從而更快地為患者提供有效的治療。哈佛大學醫學院 Blavatnik 研究所生物醫學信息學助理教授兼 Kempner 研究所副教授 Marinka Zitnik 在最近的一篇新聞文章中表示：“借助此工具，我們的目標是在各個疾病領域確定新的治療方法，但對于罕見、極為罕見和被忽略的疾病，我們預計該模型可以幫助縮小或至少縮小造成嚴重健康差距的差距。” 全球有超過 3 億人患有 7000 多種罕見或未確診疾病。在這些罕見疾病中，大約 7%

Source

]]>

AI 賦能平臺推動個性化癌癥診斷和治療

Thu, 05 Sep 2024 04:36:03 +0000

近期的一項研究引入了先進的 AI 病理學平臺，該平臺可幫助醫生快速、準確地診斷和評估肺癌患者。該工具由 University of Cologne 的醫學院和 University Hospital Cologne 的一組研究人員開發，可對良性腫瘤和癌變組織進行全自動、深入的分析，從而實現更快、更個性化的治療。肺癌以高死亡率而聞名，但精確的診斷和個性化治療可改善患者的治療效果。傳統上，腫瘤科醫生會在顯微鏡下手動檢查組織樣本，以識別揭示癌癥的細胞和結構特征然而，即使進行專家分析，這一過程也非常耗時、主觀且容易發生變化，從而導致誤診。研究人員開發了一個基于深度學習的多類別組織分割平臺，該平臺可以自動分析數字化肺部組織樣本，并篩查癌癥，提供該區域的細胞細節。該 AI 模型基于來自六家機構的大型數據集進行訓練和驗證，共包含來自 1,527 名患者的 4,097…

Source

]]>

LLM 研究重新定義 AI 在可持續系統保護中的作用

Mon, 26 Aug 2024 07:38:50 +0000

麻省理工學院（MIT）的新研究表明，大型語言模型（LLMs）正逐漸成為保護可再生能源、醫療健康或交通等關鍵基礎設施系統的工具。該研究引入了零沖擊 LLM 模型，用于檢測復雜數據中的異常情況。使用 AI 驅動的診斷來監控和標記設備（如風力渦輪機、MRI 機器和鐵路）中的潛在問題，該方法可以降低運營成本、提高可靠性、減少機時間，并支持可持續的行業運營。根據研究報告的資深作者 Kalyan Veeramachaneni 稱，使用深度學習模型檢測基礎設施問題需要花費大量時間和資源來進行訓練、微調和測試。部署機器學習模型需要機器學習團隊與監控設備的運營團隊之間的密切合作，該團隊負責訓練模型。隨著真實數據的傳入，團隊必須持續協調，以應對任何出現的挑戰。如果發生更改（例如添加新的數據信號或更新設備），他們通常需要重啟整個部署流程。 Veeramachaneni 說：“與此相比，

Source

]]>

人工智能腦植入恢復腦卒中幸存者的雙語交流

Thu, 20 Jun 2024 05:53:50 +0000

科學家通過訓練神經假體植入物來解碼一名不會說話的中風幸存者的雙語大腦活動，使其能夠用西班牙語和英語進行交流。這項研究發表在《自然生物醫學工程》上，來自加利福尼亞大學舊金山分校教授 Dr. Edward Chang 博士的實驗室，它建立在他 2021 年對同一名患者進行的開創性研究的基礎上，該研究證明了將嚴重癱瘓患者的大腦活動轉化為文字的功效。在最新的研究中，神經假體解碼了同一個人——Pancho——的大腦活動，并使用雙語人工智能模型將大腦活動轉化為西班牙語或英語單詞，這取決于 Pancho 打算用哪種語言交流，然后，他的單詞和句子被投影到計算機屏幕上。這兩項研究都為無法說話或依賴觸摸屏或眼動監測設備進行交流的人提供了遠不那么繁重的交流承諾。這些結果也是在潘喬身上神經假體最初植入四年后得出的，突顯了該技術的壽命及其潛在的長期影響。

Source

]]>

分析機器學習研究代碼的安全性

Wed, 04 Oct 2023 04:27:13 +0000

我們的 NVIDIA AI 紅隊專注于在數據、科學和 AI 生態系統中擴展安全開發實踐。我們參與開源安全倡議，發布工具，并出席了行業會議，主辦教育競賽并提供創新培訓。最近發布的 Meta Kaggle for Code 數據集為大規模分析機器學習 (ML) 研究和實驗競賽代碼安全性提供了絕佳的機會。我們的目標是利用這些數據來解答以下問題：我們的分析表明，盡管有關于安全風險的公開文檔以及相對順暢的高級安全工具，ML 研究人員仍繼續使用不安全的編碼實踐。我們的理論認為，研究人員優先考慮快速實驗，并且不會將自己或其項目視為目標，因為他們通常不運行生產服務。此外，Kaggle 環境可能會因為與研究人員的“真實基礎架構”隔離而導致安全漏洞更加嚴重。但是，研究人員必須承認自己在軟件供應鏈中的地位，并應意識到不安全的編碼操作對其研究和系統帶來的風險。

Source

]]>

GPU 用于 ETL？為 Apache Spark SQL 操作進行 ETL 體系結構優化

Wed, 06 Sep 2023 05:16:20 +0000

使用 GPU 進行提取、轉換和加載（ETL）操作的 NVIDIA RAPIDS Accelerator for Apache Spark 可以在大規模數據上運行，從而節省成本并提高性能。我們在上一篇文章 “GPUs for ETL? Run Faster, Less Costly Workloads with NVIDIA RAPIDS Accelerator for Apache Spark and Databricks” 中展示了這一點。在這篇文章中，我們深入了解了哪一個 Apache Spark SQL 操作對于給定的處理體系結構是加速的。這篇文章是關于 GPU 和提取轉換加載（ETL）操作的系列文章的一部分. 是否應將所有 ETL 遷移到 GPU ？或者，評估哪種處理體系結構最適合特定的 Spark SQL 操作有好處嗎？ CPU 針對順序處理進行了優化，

Source

]]>

零樣本多揚聲器 TTS 系統概述：熱門問答

Thu, 22 Jun 2023 06:32:12 +0000

Speech AI Summit 是一個年度會議，匯集了人工智能和語音技術領域的專家，討論最新的行業趨勢和進步。這個會議的錄音講話，由 Coqui.ai 主持，總結了 2022 年峰會的零點擊多說話者 TTS 系統的概述。近年來，文本到語音（ TTS ）系統憑借深度學習方法取得了顯著進步。這些進步推動了旨在僅用幾秒鐘的語音將語音合成目標說話者的語音的研究。這種方法稱為零樣本多揚聲器 TTSCoqui . ai 會議探討了這種方法背后的時間表和最先進的技術。以下是會議的一些要點：你能創造全新的聲音嗎？考慮過一分鐘的微調對零樣本有好處嗎？培訓 TTS 模型的硬件要求是什么？ Edresson Casanova 深入探討了開發零樣本多揚聲器 TTS 系統的首要問題。如何衡量文本到語音的質量？一般來說，

Source

]]>

基于遞歸神經網絡和 XGBoost 的時間序列模型預測信用違約

Wed, 07 Jun 2023 06:34:54 +0000

今天的機器學習（ ML ）解決方案很復雜，很少只使用一個模型。有效地訓練模型需要大量多樣的數據集，這些數據集可能需要多個模型才能有效地進行預測。此外，在生產中部署復雜的多模型 ML 解決方案可能是一項具有挑戰性的任務。一個常見的例子是，不同框架的兼容性問題可能導致見解延遲。一個易于服務于深度神經網絡和基于樹的模型的各種組合并且與框架無關的解決方案將有助于簡化 ML 解決方案的部署，并在 ML 解決方案采用多層時對其進行擴展。本文將討論如何利用 NVIDIA 軟件的多功能性處理不同類型的模型，并將它們集成到應用程序中。我將演示 NVIDIA RAPIDS 如何支持大型數據集的數據準備和 ML 訓練，以及如何NVIDIA Triton Inference Server無縫服務于兩個深度神經網絡PyTorch和基于樹的模XGBoost，用于預測信用違約。

Source

]]>

使用?NVIDIA?FasterTransformer?提高?KoGPT?的推理加速

Tue, 25 Apr 2023 05:03:52 +0000

Transformer 是當今最具影響力的人工智能模型架構之一，正在塑造未來人工智能研發的方向。Transformer 最初被發明為自然語言處理（ NLP ）的工具，現在幾乎被用于每一項人工智能任務，包括計算機視覺、自動語音識別、分子結構分類和金融數據處理。在韓國， Kakao Brain 開發了一種基于 transformer 架構的高精度大型語言模型（ LLM ） KoGPT 。它在一個大型韓國數據集上進行了訓練，并使用 NVIDIA FasterTransformer 成功地對其進行了優化。在這篇文章中，我們將介紹 NVIDIA 和 Kakao Brain 如何使用 FasterTransformer 優化 KoGPT 。 Transformer 層是目前深度學習領域應用最廣泛的深度學習架構。它起源于 NLP ，目前正在將其應用范圍從語言擴展到視覺、

Source

]]>