
返回案例列表
医疗科技研发:用计算机视觉加快癌症检测
补充研究团队人手,让一款医学影像 AI 更快、更准。
30 秒
速度
处理时间(此前为 5 分钟)
灵敏度 99.2%,特异度 97%
诊断准确性
在不牺牲灵敏度的前提下降低假阳性率
3
团队
2 名 Computer Vision Engineer 和 1 名 MLOps 专家
挑战
M.V Labs 的算法出色,但执行缓慢。模型处理一次扫描需要 5 分钟,无法用于临床工作流。他们缺少既懂深度学习又懂高性能计算(C++/CUDA)的工程师。
推理耗时过长,无法实时使用。
假阳性率过高,不适合用于临床审阅。
缺少 DICOM 标准集成方面的专长。
解决方案
M.V Labs 的研究负责人设定了目标:在不牺牲准确率的前提下,缩短推理时间并降低假阳性率。GTEMAS 为其研发团队提供了 2 名 Computer Vision Engineer 和 1 名 MLOps 专家,他们是根据与 GTEMAS 签订的服务协议提供服务的独立专家,负责实现这一目标。我们的工程师在现有研究小组内工作,使用 TensorRT 将推理流程从 Python 重写为优化后的 C++,并把模型重新设计为 3D U-Net,结合体数据的上下文判断,而不是逐层扫描,从而降低了拖住 FDA 申报的假阳性。
架构策略
混合云架构,在边缘服务器上使用 NVIDIA Triton Inference Server 处理 DICOM 图像。
影响与成果
速度优化是产品具备商业可行性的关键。该产品现已部署在欧盟 40+ 家医院。
30 秒
速度
处理时间(此前为 5 分钟)
灵敏度 99.2%,特异度 97%
诊断准确性
在不牺牲灵敏度的前提下降低假阳性率
3
团队
2 名 Computer Vision Engineer 和 1 名 MLOps 专家