【嘉勤点评】深睿医疗发明的应用于AI医疗影像诊断算法的调度方案，能够在有限的GPU、内存等硬件资源的情况下，快速地处理来自各种设备源的医学影像数据，且能够根据任务的优先级进行处理，防止任务堆积，从而提高了医疗影像的诊断效率。
集微网消息，基于深度学习的医学影像诊断方法逐步成熟，越来越多的产品投入到医院的临床试验中，比如眼底病灶的检查、肺结节筛查、肋骨骨折检测、纵隔病灶筛查、乳腺病灶筛查等等。
一般而言，每个算法都是针对某一个病种进行设计，比如肺结节的算法只能在肺部的CT上检测肺结节病灶，对于不同源的数据，比如X光片的数据、超声的数据，或不同部位的检测，比如肋骨的检测、纵隔区域的病灶筛查、眼底病灶检测等就需要另外对应的算法。因此，在医院就产生了这样的场景：在同一台AI服务器上，需要部署多种算法。
这样的方式无疑增加了软硬件的开销，且不利于算法的轻量化，如何只通过一种应用于AI医疗影像诊断算法调度方法，既能够在有限的GPU、内存等硬件资源的情况下快速的处理来自各种设备源的医学影像数据，防止任务堆积，同时也能尽快给医生返回诊断结果，成为研究者需要面临的难题。
为此，深睿医疗在2020年3月5日申请了一项名为“一种应用于AI医疗影像诊断算法调度方法、系统、终端及存储介质”的发明专利（申请号：202010147342.1），申请人为北京深睿博联科技有限责任公司。
根据该专利目前公开的相关资料，让我们一起来看看这项基于AI的医疗技术吧。
如上图，为该专利中发明的应用于AI医疗影像诊断算法调度方法的流程示意图，首先，系统会获取医疗影像数据，并根据数据类型在数据库任务进程列表中创建不同的任务记录，将待处理任务根据病种或者等级加入对应的待处理任务队列中。
其次，根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程。算法处理进程启动后会更新任务进程列表，并调整非急诊任务类型在任务进程列表中的顺序，任务调度进程通过获取医疗影像数据并根据数据的类型在数据库任务进程列表中创建不同的任务记录。
最后，系统会获取数据库任务进程列表中的任务，加载算法会处理进程的模型参数进行任务处理，在这个过程中，算法会判断当前处理进程是否配置了绑定GPU，对于配置了GPU的进程会时刻处于等待任务的状态。
如上图，为这种AI医疗影像诊断算法调度系统的硬件示意图，其中主要包括：任务调度单元301、任务监控单元302和算法处理单元303。任务调度单元用于获取医疗影像数据，并根据数据类型在数据库任务进程列表中创建不同的任务记录；任务监控单元可以根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程；最后，算法处理单元会获取数据库任务进程列表中的任务，并加载算法处理进程的模型参数进行任务处理。
以上就是深睿医疗发明的应用于AI医疗影像诊断算法的调度方案，该方案能够在有限的GPU、内存等硬件资源的情况下，快速地处理来自各种设备源的医学影像数据，且能够根据任务的优先级进行处理，防止任务堆积，从而提高了医疗影像的诊断效率。
