Thúc đẩy Tương lai của ngành Khoa học Đời sống và Chăm sóc Sức khỏe

Ở Intel, lịch sử lâu dài hàng thập kỷ của chúng tôi trong lĩnh vực chăm sóc sức khỏe và khoa học đời sống đã mang đến cho chúng tôi những hiểu biết sâu sắc về nhu cầu của bác sĩ lâm sàng, nhà nghiên cứu và bệnh nhân. Chúng tôi sử dụng kiến thức này kết hợp với kiến thức chuyên môn của mình về AI, điện toán phổ cập, kết nối lan tỏa và khả năng biến-đến-đám mây để tạo ra các công nghệ giúp các tổ chức vượt qua những thách thức phức tạp và sử dụng dữ liệu theo những cách thông minh và hiệu quả hơn.

Với danh mục phần cứng và phần mềm cực kỳ đa dạng, với hệ sinh thái đối tác mạnh mẽ, chúng tôi đang hỗ trợ sự hội tụ của các công nghệ kỹ thuật số vào các công cụ, thiết bị và dụng cụ có thể cải thiện kết quả và trải nghiệm của bệnh nhân, tăng tốc khám phá khoa học và hợp lý hóa quy trình làm việc trong phòng thí nghiệm và lâm sàng cho các nhà cung cấp và các nhà nghiên cứu. Công nghệ Intel® tăng tính phổ biến của nền tảng và hiệu năng, tính linh hoạt và khả năng mở rộng cần thiết để chuyển đổi ngành khoa học đời sống và chăm sóc sức khỏe, đồng thời giúp cải thiện cuộc sống của mọi người trên hành tinh.

Thông tin Sản phẩm và Hiệu năng

1

Shanling Yang và những người khác. “Hiệu suất và thời gian đọc của máy siêu âm vú tự động Hoa Kỳ có hoặc không có chẩn đoán hỗ trợ máy tính.” Radiology số 292 3 (ngày 18 tháng 6 năm 2019): https://doi.org/10.1148/radiol.2019181816.

2

Yulei Jiang và những người khác “Thời gian diễn giải sử dụng hệ thống chuẩn đoán phát hiện đồng thời có sự hỗ trợ của máy tính để siêu âm vú tự động trong tầm soát ung thư vú ở phụ nữ có mô vú dày.” American Journal of Roentgenology số 211 2 (tháng 8 năm 2018): 452–461. https://www.ajronline.org/doi/10.2214/AJR.18.19516.

3

“TGen làm sáng tỏ bí ẩn di truyền của bệnh tật,” Intel, n.d. Truy cập ngày 14 tháng 3 năm 2022. https://www.intel.com/content/www/us/en/customer-spotlight/stories/tgen-customer-story.html.

4

Hiệu suất thông lượng mô hình OpenVINO kiểm tra ung thư cổ tử cung KFBIO trên bộ xử lý Intel® Xeon® Gold 6148:

MỚI:

Thử nghiệm 1: Được Intel kiểm nghiệm kể từ ngày 15/6/2019. Bộ xử lý Intel® Xeon® Gold 6148 hai khe cắm; 20 lõi; HT: bật; turbo: bật; tổng bộ nhớ: 192 GB (12 khe cắm/16 GB/2,666 MHz); BIOS: SE5C620.86B.0X.01.0007.062120172125 (ucode: 0x200004d); CentOS Linux phát hành 7.5.1804 (Lõi); khung học sâu: Keras 2.2.4 và TensorFlow được Intel tối ưu hóa: 1.13.1; cấu trúc liên kết: RetinaNet: https://github.com/fizyr/keras-retinanet; trình biên dịch: gcc 4.8.5, phiên bản MKL DNN: v0.17, BS=8, cả dữ liệu tổng hợp và dữ liệu khách hàng; một phiên bản/hai ổ cắm; kiểu dữ liệu: FP32.

Thử nghiệm 2: Được Intel kiểm nghiệm từ ngày 15/6/2019. Bộ xử lý Intel® Xeon® Gold 6148 hai khe cắm; 20 lõi; HT: bật; turbo: bật; tổng bộ nhớ: 192 GB (12 khe cắm/16 GB/2,666 MHz); BIOS: SE5C620.86B.0X.01.0007.062120172125 (ucode: 0x200004d); CentOS Linux phát hành 7.5.1804 (Lõi); Intel® software: OpenVINO R2019.1.1094; cấu trúc liên kết: RetinaNet: https://github.com/fizyr/keras-retinanet; trình biên dịch: gcc 4.8.5, phiên bản MKL DNN: v0.17, BS=1, tám yêu cầu không đồng bộ, cả dữ liệu tổng hợp và dữ liệu khách hàng; một phiên bản/hai ổ cắm; kiểu dữ liệu: FP32.

Ðường cơ sở: Được Intel kiểm tra ngày 15/6/2019. Bộ xử lý Intel® Xeon® Gold 6148 hai khe cắm; 20 lõi; HT: bật; turbo: bật; tổng bộ nhớ: 192 GB (12 khe cắm/16 GB/2,666 MHz); BIOS: SE5C620.86B.0X.01.0007.062120172125 (ucode: 0x200004d); CentOS Linux phát hành 7.5.1804 (Lõi); khung học sâu: Keras 2.2.4 và Vanilla TensorFlow: 1.5; cấu trúc liên kết: RetinaNet: https://github.com/fizyr/keras-retinanet; trình biên dịch: gcc 4.8.5, phiên bản MKL DNN: v0.17, BS=8, cả dữ liệu tổng hợp và dữ liệu khách hàng; một phiên bản/hai ổ cắm; kiểu dữ liệu: FP32.

5

Tuyên bố về hiệu suất dựa trên thử nghiệm nội bộ của Samsung kể từ tháng 3 năm 2021. Cấu hình hệ thống: CPU Intel® Core™ i3-8100H @ 3.0 GHz, bộ nhớ 8 GB; Hệ điều hành: Windows 10 64-bit.