医疗影像人工智能解决方案背景介绍　　医疗影像智能分析是指运用人工智能技术识别及分析医疗影像，帮助医生定位病症分析病情，辅助做出诊断。目前医疗数据中有超过90%来自医疗影像，这些数据大多要进行人工分析。　　人工分析的缺点很明显，第一是不精确，只能凭借经验去判断，很容易误判。中国医学会的一份误诊数据资料显示，中国临床医疗每年的误诊人数约为5700万人，总误诊率为27.8%，器官异位误诊率为60%，恶性肿瘤平均误诊率为40%，如鼻咽癌、白血病、胰腺癌等，肝结核、胃结核等肺外结核的平均误诊率也在40%以上。第二是缺口大，按照动脉网蛋壳研究院的数据，目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%，其间的差距是23.9%，放射科医师数量增长远不及影像数据增长。这意味着放射科医师在未来处理影像数据的压力会越来越大，甚至远远超过负荷。如果能够运用算法自动分析影像，再将影像与其它病例记录进行对比，就能极大降低医学误诊，帮助做出准诊断。　　医疗影像行业的人工智能实现流程大致为：影像数据的预处理—>样本清洗、打标签模型搭建及训练调试大规模数据的训练、验证得到深度学习网络模型，以上流程为人工智能的线下训练过程，最终输出为深度学习模型。接着就可以用用生成的模型进行线上预测或辅助判断。解决方案介绍浪潮提供医疗影像端到端人工智能解决方案，如下图所示，实现如下三个功能。　　（1） 样本数据预处理。医院各个检验科如CT，BT，CR等，把医疗影像数据从终端设备通过万兆/IB网络，传输到并行存储中，数据预处理CPU平台（多个双路CPU服务器NF5280M5组成的集群）从存储中读取数据，运行边缘检测分割、区域增长分割、种子算法等程序，获取目标数据，然后打标签形成训练样本库，存放到并行存储中。CPU程序的管理、调度、监控将由统一管理平台AIStation完成。　　（2） 模型训练。模型训练GPU集群（配置单机8卡GPU服务器，如NF5288M5）将读取训练样本库数据从并行存储中，并加载CNN模型，运行深度学习框架，如TensorFlow，Caffe，Mxnet等对初始模型进行训练，经过对大量数据样本的学习训练生成最终模型。训练中涉及多个训练任务的提交，其资源管理、调度、监控将由统一管理平台AIStation完成。　　（3） 模型应用。在医院医生科室将部署医生辅助诊断服务器P8000（台式服务器，配置多块P4或FPGA卡），训练好模型将被加载到P8000上。检验科发送影像到P8000上，P8000进行识别，快速实现智能化诊断。

曙光荣登“2021中国大数据企业50强”   近日，由中国电子信息产业发展研究院指导，赛迪传媒、大数据产业生态联盟、《软件和集成电路》杂志社主办的2021（第六届）中国大数据产业生态大会圆满闭幕。会上重磅发布了“中国大数据企业50强”榜单，中科曙光以业内领先的大数据技术和生态能力成功入榜。  作为大数据产业生态大会的重要内容，“中国大数据企业50强”榜单备受业内关注。专家评审组通过对全国2000余家大数据企业的严格筛查审核，根据企业在大数据领域上的研发投入，大数据产品、解决方案及应用案例及发展潜力，市场表现等多个维度进行考核，最终甄选出“2021年中国大数据企业50强”。与中科曙光一同入选50强名单还有阿里巴巴、腾讯、百度等公司。    曙光云原生技术 构筑差异化优势随着大数据国家战略的加速落地 ，政府、企业、社会管理部门加速“数字化”转型，大数据体量呈现爆发式增长态势，也对大数据上云，云上大数据的使用效能提出新的需求。而云原生的大数据平台，以其独特的技术特点，很好的契合了云计算和大数据发展的本质需求，正在成为驱动计算基础设施“质变”的技术内核。曙光云原生技术可解决弹性扩容、资源使用率低的问题，同时有效提升资源使用效率、降低资源使用成本。升级新一代的云原生大数据技术架构的XData，以其高效，弹性，敏捷助力用户构建云原生的新一代数据分析云。    多年实力积累 迎接新趋势的挑战中科曙光在发展大数据的过程中，构筑了自身差异化的特色，取得了系列成绩：服务器产品突破了TPC-BB全球大数据标准测试性能；XData大数据智能引擎刷新了TPCx-HS基准测试世界记录；载入2020年国家工信部大数据产业发展试点示范项目名单等。凭借多年在大数据领域的实力积累，曙光不断迎接新趋势带来的挑战。未来，中科曙光也会持续加强云原生技术的研发，并以更加开放和共赢的生态合作新模式，助力我国产业数字化转型升级。