AI Solutions in Healthcare – Medical Imaging

Mike McNamara

2020-03-16

Many cancers start with changes so small that no human can detect them, even with current medical imaging technology. However, AI programs can be trained with deep learning to see the very earliest changes in cell structure that typically develop into cancerous cells. Advances in medical imaging technologies, including 3D and 4D capabilities, real-time analytics, and GPU-accelerated processing, give radiologists powerful tools to make faster and more accurate diagnoses and recommendations for care. In addition, AI can also help prevent radiologist burnout.

The hippocampus is a major component of the human brain. It plays an important role in the consolidation of information from short-term memory to long-term memory, and in spatial memory that enables navigation. In Alzheimer's disease and other forms of dementia, the hippocampus is one of the first regions of the brain to suffer damage. Accurate identification of the hippocampus in magnetic resonance imaging (MRI) is an important step in the process of diagnosis, but this task of segmenting two neighboring small structures with high precision can be complex for radiologists and other doctors. Deep learning models can perform this work much faster and with higher accuracy, allowing medical practitioners to spend more time on patient diagnosis and care and less time examining images.

The data types in healthcare workloads vary—for example electronic health records, ultrasound, computed tomography (CT), MRI, and more. All this data contributes to different aspects of the healthcare services such as medical imaging, digital pathology, genomics, and other use cases. Model training requirements vary for distinct data types, and the goal is always to saturate the GPUs and provide the highest throughput at the lowest latency from the data storage.

In collaboration with NVIDIA, NetApp published a technical report titled “NetApp ONTAP AI Reference Architecture for Healthcare: Diagnostic Imaging.” The report offers directional guidance to healthcare providers to fast-track AI infrastructure initiatives specifically for diagnostic imaging practices in hospitals. It includes information about the high-level workflows used in developing deep learning (DL) data pipeline models for medical imaging, validation test cases and results, and sizing recommendations for deployments. The solution was validated with one NetApp® AFF A800, one NVIDIA DGX-2 system, and two Cisco Nexus 3232C 100Gb Ethernet (100GbE) switches.

NVIDIA Clara is a computational platform that enables developers to build, manage, and deploy intelligent medical imaging workflows. NVIDIA Clara Train SDK offers state-of-the art tools and technologies. This validation leverages Clara’s AI-assisted annotation to label a publicly available brain imaging dataset and train a hippocampus segmentation model based on ResNet-50 and AH-Net architectures.

For more information about NetApp AI solutions for healthcare, visit this page.

Mike McNamara

Mike McNamaraは、NetAppの製品およびソリューションマーケティング担当シニアリーダーであり、25年以上にわたってデータ管理とクラウドストレージマーケティングに携わってきました。10年以上前にNetAppに入社する前は、Adaptec、Dell EMC、HPEで勤務していました。また、主要なチームリーダーとして、ファーストパーティのクラウドストレージサービスや、業界初のクラウド対応AI/MLソリューション（NetApp）、ユニファイドスケールアウトおよびハイブリッドクラウドストレージシステムおよびソフトウェア（NetApp）、iSCSIおよびSASストレージシステムおよびソフトウェア（Adaptec）、ファイバチャネルストレージシステム（EMC CLARiX）の発売を推進しました。過去には、Fibre Channel Industry Associationのマーケティング分野の議長を務めたこともあり、Ethernet Technology Summitの諮問会議や、Ethernet Allianceの現役メンバーとして、業界誌に頻繁に寄稿しているほか、各種イベントにスピーカーとして数多く登壇しています。さらに、FriesenPressより『Scale-Out Storage - The Next Frontier in Enterprise Data Management』というタイトルの書籍を発行しているほか、KaposによりB2B製品マーケティング担当トップ50に選出されたこともあります。

Mike McNamaraのすべての投稿を見る

次のステップ

ブログ

クラウドからオンプレミスまで、様々なストレージやテクノロジの最新トレンドや開発状況に関する情報を入手しませんか？あらゆる分野の最新動向をご紹介します。

ブログを読む

コミュニティ

幅広いトピックスのオープンフォーラムで質問を投稿したり、回答を共有したりできます。また、お客様にとって最も関心の高い、NetAppのテクノロジの効果的な活用について知ることもできます。

ディスカッションに参加する