边缘 AI 为海运港口管理铺平道路

国际贸易货物大多数通过海运运输,因此港口是商业和经济增长的重要引擎。但随着人口的激增、新兴经济体的发展以及全球贸易量的增加,海港面临着严峻的挑战。

“如今,港口当局正在努力管理港口内外导致效率低下和延误的车辆交通情况,” Sim Tiong Yan 表示,他目前担任 智慧城市解决方案提供商 Gamma Solution SDN BHD 的业务开发经理。“工人安全和港口安全也是主要关注的问题。”

具有讽刺意味的是,最重大的港口交通挑战并不是船舶,而是运输货物的陆地车辆。这可能让人感到意外,但港区地面交通问题如此严重有以下几个原因。

每辆抵达港口的卡车都必须首先向港口当局报到。登记流程通常由人工操作,可能相当缓慢——导致等待登记的车辆排成长队,造成交通瓶颈。此外,驾驶员有时还不遵守港口交通规则:在禁止停车区停车、超速行驶、在单行线上逆向行驶或停留时间超过规定时间。这可能会干扰运营,进一步减缓进出港口的交通流量。

此外,不断出现的港口堵塞问题也引发了对环境的关注,因此必须提出创新的港口管理解决方案。

港口交通管理的挑战和解决方案

好消息是,基于边缘 AI 和计算机视觉的智慧城市解决方案有助于更有效地管理港口交通,同时改善港口安全和安保。这些解决方案基于灵活的模块化边缘硬件,可部署到世界各地的港口,并根据当地需求进行定制。

例如,Gamma TITANUS EYEoT 解决方案采用光学字符识别 (OCR) 在车辆进入时自动登记每辆车的车牌,并捕捉卡车司机需要的货物集装箱代码,从而简化车辆登记手续。计算机视觉技术可帮助检测非法停车和交通违规行为,并记录每辆车在港口停留的总时间。检测到问题时,官员会收到警报,以采取纠正措施。

边缘 AI 提供安全、安保和设备监控功能

Gamma 的解决方案有助于解决港口管理者面临的关键安全挑战,例如检测防护帽和反光背心,帮助确保工人遵循正确的程序。该系统的人工智能物体识别算法还可以区分人和车辆,如果有人闯入车辆专用区,或者卡车通过行人区,系统就会向港口经营者发出警告。

此外,该系统还包含针对敏感和潜在危险机械的设备监控功能。例如,港口通常有化学设施,此处的储罐将处于严格监控下,以确保其温度不超过安全范围,因为过热的储罐可能会引发火灾或爆炸。TITANUS 系统使用热敏摄像头和人工智能分析测量罐体温度,一旦发现危险,就会向安全人员发出警报。

摄像头与人工智能结合还能提供更有效的港口安全保障。基于 Gamma 计算机视觉的入侵检测模块可以识别试图潜入港口的未经授权人员,但不会在物体落在周围的围栏上时发出错误警报。生物识别技术允许分级进入港口内的子区域。例如,IT 技术人员可被允许进入办公区,但不能进入工业区。

东盟案例研究凸显定制潜力

智慧城市解决方案的一个很好的示例来自 Gamma 在南亚港口的自定义部署。港口经营者希望解决多个安全和效率问题。Gamma 的工程师提出了三种可能的实施方法:

  • 在边缘人工智能盒子和人工智能摄像头上运行系统,所有处理和自动化都在边缘执行。
  • 将标准 IP 摄像头连接到后端服务器,在服务器上进行人工智能分析和决策。
  • 采用混合方法,使用带有边缘人工智能盒子的 IP 摄像头,在边缘执行部分人工智能分析工作负载,同时通过后端服务器确定自动响应操作。

最终,混合方案被选定为成本和性能达到最佳平衡的方案。港口经营者发现,车辆登记处的交通流量有了显著改善。他们还解决了码头工人反复进入潜在危险区域这一长期存在的安全问题。在实施该解决方案的前一年,港口曾发生过 50 多起工人违规进入限制区域的事件。解决方案实施后,事故数量已降至零。

Gamma 与英特尔的技术合作有助于将该解决方案推向市场,并使其更容易提供灵活的部署选项。“英特尔工程师帮助我们优化人工智能模型并提供基准测试工具,使我们能够选择部署所需的确切硬件规格,” Yan 表示。“硬件性能基准测试支持的确有助于赢得客户,因为我们可帮助客户控制成本并根据他们的需求量身定制解决方案。”

城市更加智慧、可持续性更高

未来几年,世界面临的环境和航运挑战将变得更加严峻。港口当局、城市管理者和系统集成商 (SI) 可能会对提高港口效率的可扩展、可定制解决方案非常感兴趣。

这些解决方案的灵活性为政府和系统集成商带来了另一个好处,因为它们所基于的技术可以很容易在调整后用于其他智慧城市用例。

“智能港口管理解决方案与智能城市、制造业和物流业的用例有很多重叠之处,” Yan 表示。“这些系统还可用于确保仓库安全、改善工厂工人安全或管理社区交通流量,使我们的城市更智能、更安全、更可持续。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

人工智能监考助力考试公平透明

传统的课堂考试需要教育工作者或监考人员监督,以确保考试公正性。如为在线教育,远程监考软件可满足这一需求。它的工作原理是通过网络摄像头记录考生行为,并使用远程人工监考或人工智能算法监控他们的活动。安全的远程监考为教育工作者和学生提供了维护学术诚信所需的监督——即使他们不在同一个房间中。

在线考试尤其容易受到安全问题和学术不诚信行为的影响。为了应对这些挑战,教育工作者需要能够实现虚拟监考的数字工具,以帮助在保持诚信的同时评估学生的学习成果。在线监考可以使用人工智能、软件、真人监考或任何组合。

“监考可确保考试以公平、透明的方式进行,” Deepak MK 指出。他目前担任 人工智能教育技术公司 ExamRoom.AI 的数据科学副总裁。“通过监督考生,监考工作有助于维护教育和专业证书的诚信。”

人工智能监考流程

ExamRoom.AI 为学校和其他机构提供了一个流畅且高度安全的综合平台,可在全球范围内监考。教育工作者可以通过学习管理系统 (LMS) 和基于网络的监考平台开展考试并跟进学生的学习成果。

考生通过网络摄像头登录并参与考试,而同时人工监考员将指引他们完成身份验证过程。该平台限制考生篡改网络摄像头、复制和粘贴文本以及共享屏幕。“除了这些基础功能,我们还开发了控制硬件和软件内核的安全算法,以及指纹识别、面部扫描和语音识别等生物识别监控,以进一步防止作弊,” MK 表示。

由于许多学校和企业使用其他教育技术工具,该平台可与 Blackboard 和 Canvas 等流行的 LMS 平台集成。ExamRoom.AI 还与客户合作定制 API 和平台的用户界面,为客户品牌贴上白标——例如调整字体大小和徽标等细节。

个人隐私:平台基础知识

个人隐私当然是学生和教育机构都非常关心的问题。ExamRoom.AI 遵循相关数据保护法规,如 GDPR、COPA、FERPA、ISO27001、ISO 9001 和 SOC II,具体取决于司法管辖区和所处理数据的性质。除了遵守法规,该平台还通过多种方式保护个人信息:

  • 通过 ExamRoom.AI 传输的所有数据都经过加密,以确保敏感信息在传输过程中的安全。
  • 在收集或处理任何数据之前,会告知用户有关数据收集的做法并征得用户明确同意。
  • 尽可能对个人数据进行匿名处理,以防止直接识别个人身份。
  • 严格的控制措施仅限出于有效用途的授权人员访问个人数据。
  • 平台仅收集和处理提供服务所需的最低数量的个人数据。
  • 作为一家获得 ISO 认证的公司,它定期接受审计和评估,以发现并解决任何潜在的漏洞或与数据隐私相关的合规问题。
  • 向用户提供关于如何使用其数据的明确信息,包括用途、接收者和保留期,从而提高透明度和信任度。

实现无障碍和个性化学习

当今教育环境面临的最大挑战之一是,既要适应不断变化的技术和方法,又要确保所有学习者都能使用教材。ExamRoom.AI 通过为学生提供友好的用户体验,并使教育工作者能够提供多模态内容和自适应学习路径来解决这一障碍。例如,在线考试可能会根据不同学生对前一个问题的回答情况,向他们提出不同的问题。“我们的工具可以帮助教育工作者适应不同的学习风格和能力,” MK 表示。“他们还可以利用该系统收集数据,帮助克服学习差距。”

随着技术在社会中占据主导地位,学生、教育工作者和企业都面临着为学生和员工做好准备以适应快速变化的就业市场的压力。“ExamRoom.AI 具有技能评估、职业指导和专业发展所需的工具,” MK 指出。“我们让教育工作者能够调整他们的教学方法,以培养批判性思维、解决问题、创造力和协作能力——这些都是在 21 世纪取得成功的必备技能。”

面向未来而打造

英特尔技术在 ExamRoom.AI 解决方案中发挥着至关重要的作用,其中包括可提高人工智能模型训练和推理过程速度和效率的最先进的 GPU 硬件。该公司与英特尔合作优化各种机器学习模型,包括用于物体检测、语义搜索、标签生成和翻译的模型。与英特尔公司合作有助于对这些模型进行微调,以提高性能、效率和准确性。

随着教育领域不断采用量身定制反馈和自适应学习路径等人工智能驱动工具,MK 期待继续与英特尔合作:“虚拟监考和远程考试解决方案将持续进步,以保障在线考试环境的诚信。在英特尔的支持下,我们将继续利用大量数据集来重新训练和完善人工智能模型,确保其保持有效性和相关性。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

人工智能无处不在——从网络边缘到云

在最近的一次发布会上,英特尔首席执行官 Pat Gelsinger 不仅介绍了新产品,还提出“人工智能无处不在”的概念。在介绍第五代英特尔®至强® 处理器和英特尔®酷睿™ Ultra 处理器时,Gelsinger 谈到了英特尔如何努力将人工智能工作负载引入数据中心、云和边缘。

现在,在与英特尔® 以太网产品北美渠道销售支持经理 Gary Gumanow的对话中,我们将进一步了解人工智能无处不在的概念和网络边缘的作用。Gary 的职业生涯一直专注网络领域,这可能也是 他被称为“Gary Gigabit”的原因所在。Gary 曾在纽约市的一些顶级律师事务所从事系统集成工作,与英特尔分销商和解决方案提供商密切配合。Gary 表示,了解技术、客户需求以及产品如何通过渠道流通是他最关心的问题。

当英特尔谈到人工智能无处不在(从数据中心到边缘设备)时,这对网络边缘意味着什么?

人工智能无处不在意味着从边缘到网络核心,再到数据中心。我们所说的边缘是指端点:传感器、摄像头、服务器、个人电脑、适配器——连接到网络的设备。而内核是指为边缘提供服务的组件。数据中心中的人工智能并不是什么新鲜事物,它拥有处理大型人工智能负载的能力和存储。但在边缘进行推理却是新事物。从紧凑型/坚固型电脑的处理能力到数据来回传输所需的时效性网络和连接,都面临着诸多挑战。

若干领域会影响网络,而网络对这些领域也很重要。人工智能对边缘设备意味着什么?人工智能模型的好坏取决于它所能获得的数据,但数据如何到达边缘设备,反之,数据又如何返回数据中心?

重要的是,您需要在那里放置合适的智能设备——合理调整架构,以免给数据中心之间的网络造成负担。这意味着使用合适的 CPU 实现人工智能无处不在,在提高性能的同时降低成本。

我们一直在努力提高网络设备的带宽、数据安全性和机密计算能力,这样当网络设备向下延伸到边缘时,它就能保证安全、低延迟,并具备连接数据中心和边缘所需的性能。在每瓦特性价比和优化功率方面做到低功耗和可持续。

让我们将这一想法扩展到工厂,在那里我们有人工智能和计算机视觉——可利用所有这些数据并在边缘进行推理。这里的网络边缘是什么样的?

无论你是否相信,有些工厂车间确实非常大,它们有自己的天气模式。目前,制造业和自动化领域最热门的话题之一是机器人设备之间的距离。当这些设备彼此隔开足球场那么大的距离时,它们如何进行通信呢?如何将实时数据传输到对装配线非常重要的边缘设备?

这也是制造商在工厂部署专用 5G 网络的原因——这样他们就可以从本地服务器或数据中心一直到这些端点进行通信。但这种类型的通信需要时间精确、低延迟和高性能。

因此,5G 虚拟化无线接入网络 (vRAN) 的基石之一是精确授时技术。而全球卫星定位 (GPS) 设备则是精确授时网络的关键要素。从本质上讲,网络具有原子钟,通常是一种网络设备,你的所有设备都与该设备同步。但这种方法既昂贵又只能专用。

对于 5G 而言,前向纠错(FEC)也很重要,它可以在数据流中进行前向纠错,这样就可以在传输过程中消除任何错误——既能精确授时,又能进行前向纠错。所有这些都会变得复杂。

例如,英特尔如何降低在工厂部署专用 5G 的复杂性?

我们已将这些功能直接内置到以太网产品中。以基于设备的原子钟技术为例,它现在已集成到我们的一些网络适配器中。您可以省去网络中的这些设备,并具有内置 5G 网络所需的授时精度。这样既省电、省钱,又简化了网络设计,因为不需要所有这些设备都回到原子钟上。它可以出现在节点上需要的地方。GPS 时间同步和 FEC 也是我们的网络适配器和设备内置的其他技术。

我们正在逐步将独立组件的要求缩小到更小的范围内。现在,英特尔® vRAN Boost 通过第四代英特尔®至强® 处理器的加速器完成大量工作。这是与 vRAN Boost 完全集成的大容量加速,可提高通过 vRAN 运行以太网所需的性能和计算。同样,这也降低了组件要求、功耗和整个系统的复杂性。

它如同英特尔公司的发展历程。将其整合到处理器或更少的组件中,并加以简化,使其更易于部署。另一个示例是以太网如何嵌入英特尔至强 D 处理器。片上系统 (SoC) 处理器具有以太网控制器逻辑,可在实际芯片中支持 100 千兆位。

它的大小适合网络设备或边缘设备,而不是云数据中心,因此内核较少,所需的功率也较低。它还专门用于处理网络流量和网络安全问题。英特尔至强 D 处理器“大小适中”,非常适合应销售和嵌入的位置。您可以将其部署在医疗传感器、网关、工业 PC 和工厂车间等所有需要近实时可操作洞察力的位置。

最后,您还有什么要补充的吗?

我们非常重视与多个供应商的互操作性。事实上,在人工智能领域,我们正在基于开放式 API 和开放式软件开发 HPN,即高性能网络堆栈。我们正在与 Broadcom、Arista、Cisco 等多家供应商合作。超以太网联盟向希望参与开放式生态系统并支持数据中心人工智能的组织开放。

我的客户告诉我,他们喜欢英特尔与业界合作的开放方式。这个即将在开放环境中实现数据中心以太网的联盟对于整个行业来说至关重要,因为人工智能可以真正延伸到尽可能大的范围。

显然,以太网经受住了时间的考验,因为它具有五大原则:向后兼容性、对带宽的无限需求、互操作性、开放软件和不断发展的用例。无论是 802.11、千兆位以太网还是 100 千兆位以太网,网络都是与 5G 相辅相成的结构,它将整个故事串联在一起,实现了从边缘到云端——人工智能无所不在。

 

本文由 insight.tech 的编辑副主管 Christina Cardoza 编辑。

医疗保健 AI 解决方案减轻护理工作负担

最近,我前往一家医疗机构进行例行的医疗检查,可能无意中给随访护士造成了过多的工作负担:由于冻得瑟瑟发抖,我三次要求提供一条温暖的毯子。我不是唯一一个发现床头呼叫按钮太过诱人的患者。

尽管护士的工作是为患者提供优质护理,但通常情况下她们往往处在满足患者 所有 需求的第一线,无论是要求多加一条毯子、一个枕头还是需要一杯水。这样的要求并不是对护士时间的最佳利用。“按下护理呼叫铃后,护士需要走到您的床前,处理您的请求,返回护理站,然后与营养或维护部门协调,” Paulo Pinheiro 指出他目前担任医疗优化解决方案开发商 HOOBOX Robotics 的首席执行官兼联合创始人

鉴于护士职业倦怠和人手短缺率高,医疗机构正在尽最大努力优化护理资源。HOOBOX Neonpass 是一种基于智能手机应用程序的解决方案,可以解决效率低下的问题。为了寻找将人工智能应用于医疗保健领域的方法,HOOBOX 开发了 Neonpass,以满足患者需求,同时又不给护士造成过重的负担。该应用程序可识别请求并将其转发给医疗机构中合适的部门,必要时可绕过护理站。这种应用驱动的需求和交付方式为 Neonpass 赢得了“医院 DoorDash”的美誉。

医疗保健行业的 AI 优化工作负担

使用 Neonpass 不仅可以实现患者与专业人员的交流,还能以数字形式在护士和其他相关部门之间传递信息。过去,严格的规程要求护士呼叫医院的其他部门,而现在,医疗机构可依托数字平台发送信息。例如,护士可将饮食调整直接输入 Neonpass 解决方案,而无需通知营养部门(这样做有可能造成沟通不畅)。“Neonpass 可将所有信息数字化,营养部门会收到提醒;这比打电话更高效,也更不容易出错,” Pinheiro 指出。

Neonpass 包含三个 AI 模块。第一个模块用于检测患者的异常行为,假设患者的信息可作为潜在医疗需求的窗口。例如,频繁要求喝水可能预示着身体出现了问题,因此 Neonpass 可以提醒护士及早检查患者,以便进行有效干预。

“AI 将分析最后一次服药、手术、检查情况并给出风险评分,以便护士评估严重程度并确定就诊的优先次序,” Pinheiro 指出。AI 足够先进,能理解不同的药物或程序会引发可能被定性为异常的事件,并将这些参数纳入风险评分。

另一个 AI 模块用于评估患者使用 Neonpass 中嵌入的聊天机器人来应对心理健康挑战的情况。该模块可以检测用户是否感到孤独或有自杀倾向,并向工作人员发出相应的警报。

最后一个模块提供在各个医院的大型语言模型上训练的生成式 AI。例如,专业人士可使用 Neonpass 验证安全和预跌倒规程。该解决方案是对现有医疗专业人员培训计划的补充,他们可以使用 Neonpass 学习来认证课程。

AI 赋能的优化还可以通过通用平台提供业务洞察,这样管理层可利用有关信息来根据周期需求优化人员配置,甚至可将护士安排到更需要的楼层。

定制 AI 模型效果非凡

HOOBOX 团队熟知保护敏感患者健康信息 (PHI) 的严格法规。Neonpass 符合美国 HIPAA 和国际协定。除了使用英特尔硬件加密数据外,HOOBOX 还提供广泛的员工培训。“将每个人都变成人肉防火墙,” Pinheiro 表示。

巴西所有使用 Neonpass 的医院都从该解决方案中获得了惊人的投资回报。例如,圣保罗 Albert Einstein Israelite 医院的护理需求减少了 54%,每 10 张病床每月可节省 100 小时。圣保罗的 Santa Paula 医院则通过使用 Neonpass 节省了 75% 的护理时间。

HOOBOX 为每家医院量身定制 AI 模型。在巴西开展这项工作时,工程师们遇到了一个有趣的问题:由于该国不同地区有不同的方言和俚语,因此需要对模型进行相关训练,以确保 AI 解决方案能够理解来自不同背景的患者。英特尔® OpenVINO™ 工具套件有助于减少训练此类重量级模型所需的推理时间。Pinheiro 表示,该解决方案在带有集成加速器的英特尔®至强® 处理器上运行,有助于快速处理和提供洞察。

该公司与医疗机构合作,为其特定用例全程定制和部署 Neonpass,从确定参与解决方案的部门,到在床边安装二维码板,再到训练医院特定的 AI 模型。大多数医院先从护理、营养和维护部门开始,然后再将解决方案扩展到其他垂直部门。

医疗保健 AI 的未来

使用 Neonpass 可帮助患者快速获取有关程序、检查和化验的信息,使他们能够更多地参与自己的治疗。“我们认为这是未来的趋势,在合适的时间提供最相关的患者信息是患者所面临的巨大挑战,” Pinheiro 表示。

他还希望 Neonpass 能够不断进化,可在医疗机构之外提供持续性护理。Pinheiro 指出,对患者的随访电话能降低再入院率,但这种措施的扩展性不强。虽然护理方法仍然可通过应用程序来实现,但迁移到可穿戴设备也是可能的。通过向其他通信平台提供 API 接口,Neonpass 可以找到新的途径,在减轻医疗专业人员负担的同时,优先考虑患者护理。

Neonpass 希望将其影响力扩大到巴西以外,并进军北美市场。因此,或许下次我在医院需要一条温暖的毯子时,就不用再麻烦随访护士了,而是使用 Neonpass 应用程序。

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

无代码 AI 平台推动采矿安全

防止采矿环境中发生事故涉及许多活动部件。首先是感官超载:钻探和矿石运输作业声音很大,地下作业往往灯光昏暗。不同类型的车辆以不同的速度行驶,没有红绿灯,很难全面了解周围环境。加上长时间不停地换班,工人安全受到威胁的条件已经成熟。

幸运的是,采矿业可以利用计算机视觉 AI 解决方案应对危险环境(无论是地上还是地下)的挑战。机器学习和计算机视觉解决方案的无代码平台 LabelFuse首席执行官兼创始人Kelvin Aongola 表示,事故预防是采矿行业的首要任务,但没有应对挑战的标准化方式。

“企业正在寻求经济高效方法来解决这一问题,” Aongola 表示。我们的高级驾驶辅助系统 (ADAS) 专为采矿和长途卡车运输行业而设计,基本上充当事故预防平台,利用现有的闭路电视摄像头来捕获驾驶员疲劳和地面工作状况的准确图像。

计算机视觉 AI 检测疲劳

在采矿用例中,大型车辆被小型车辆包围,环境非常嘈杂。“如果您是驾驶员,则视线可能会被完全挡住,” Aongola 表示。事故预防涉及许多传统方法,以使驾驶员保持清醒。

计算机视觉解决方案能够捕捉疲劳的视觉线索——眼睛下垂、眨眼——这些可能很容易被人类忽略,并向司机发送提示。该计划还将驾驶员置于不同的环境中,了解车辆周围环境的情况,以更好地预测出现不良后果的可能性。“我们还将这些活动传输到控制中心,因此,如果驾驶员忽略了所有警报,控制中心就可以进行控制,” Aongola 表示。这些数据还可以在发生事故时帮助核实保险理赔。

鉴于 AI 算法可以扫描人脸,寻找疲劳和分心的迹象,那么隐私问题自然会浮出水面。Aongola 表示,但 LabelFuse 遵循数据隐私立法,不会将个人数据存储在云端,因为那里泄露的几率可能更高。该公司还仅在本地存储时间不超过几个月的元数据。

Aongola 表示,虽然事故预防是采矿业的当前用例,但 LabelFuse 解决方案配备了承受更大负荷的设备。该系统可以与 ADAS 配合使用,并在未来扩展到自动驾驶用例。“有可能超越我们所提供的具有我们现有设置的产品,” Aongola 表示。

渴望无代码解决方案

没有合适的 AI 专业知识的公司难以实施。“如果您了解计算机视觉是如何部署的,特别是在边缘,大多数公司都会进行小型概念验证,但他们面临的挑战是将其扩展为生产就绪的解决方案,” Aongola 表示。“他们要么难以微调模型,要么难以弄清楚如何使用合适的边缘设备来部署他们的想法。”

希望部署 AI 驱动的解决方案的企业渴望使用无代码解决方案,这样它们就可以专注于其主要价值主张,而不会成为 AI 优先的公司。无代码解决方案使软件访问变得普遍化,因为它们甚至使那些没有专业编程技能的人也能开发出可行的问题解决方案。预构建的组件和拖放功能使专业人员能够构建功能,而无需深入了解编程基础知识。

LabelFuse 通过其无代码平台满足了这一需求,该平台允许领域专家只需登录并选择特定于企业运营需求的模型。

英特尔边缘计算的优势

LabelFuse 依赖英特尔技术的原因有很多,包括成本合理。“在与客户交谈时,更容易完成交易,因为价格点不需要经过复杂的批准流程;他们可以随时做出决定,” Aongola 表示。

在云端存储数据是一项挑战,因此高性能边缘处理有助于降低成本和延迟。搭载第 13 代英特尔® 酷睿™ 处理器的英特尔® NUC ,可提供所需的所有性能计算。该设备外形小巧,安装方便,非常适合空间狭窄的车辆。NUC 可以放置在坚固耐用的外壳中,以适应采矿的恶劣环境。Aongola 表示,广为人知的品牌名称是另一个重要的有利因素,因为“技术已经经过验证,您不会使用没有名称的设备来帮助解决问题。”

计算机视觉 AI 的更广泛的采用

尽管 LabelFuse 已经发现它可就绪实施于采矿业中的事件预防平台,但用例已扩展到行业以外。任何因制造、现场服务或零售业等繁忙环境而引起员工注意力可能会下降的行业都可以从这些计算机视觉 AI 解决方案中受益。

Aongola 表示,计算机视觉的工作方式正在发生变化。人们想要可以与之交谈的解决方案,例如用于视觉数据的 ChatGPT 等效解决方案。LabelFuse 将此类生成式 AI 集成到边缘产品中,并已经看到了在该领域的巨大吸引力。

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

将数字体验引入现实世界

现实世界的工作空间曾经由静态布局、固定设备和有限的适应性所定义,而现在正经历一场变革性的转变。随着远程办公集成度提高,工作场所的概念正超越现实世界中的办公室墙壁,扩展到线上工作模式,在混合环境中打造流畅的数字体验。

这种包容和灵活的转变需要重新规划传统的工作流程和沟通渠道。位于这一范式转变前沿的是 Q-SYS,即先进音频、视频和控制系统提供商 QSC 的分支机构。该公司正在引领“高影响力空间”的概念,其设计不仅要考虑物理特性,还要考虑其提高协作能力和工作效率的潜力。

Q-SYS 软件技术高级副总裁 Christopher Jaynes 解释道:“这一切都聚焦于空间的结果。此前,我们谈及空间的物理维度,比如小型或大型会议室。如今,更重要的是这些协作空间的预期影响。高影响力空间的设计正是以此为目标,旨在改变我们在工作环境中的互动和协作方式。”(视频 1)

视频 1。来自 Q-SYS 的 Christopher Jaynes 解释了高影响力空间在协作和混合环境中的重要性。(资料来源:insight.tech

重新定义混合环境

Q-SYS 开发了一整套先进的技术,包括 Q-SYS VisionSuite,以打造高影响力空间,改变会议室和协作空间。该套件集成了基于模板的配置、生物识别和动觉感知器等先进工具,可显著提高用户在这些空间内的交互和参与。

利用 AI 计算机视觉技术的力量,Q-SYS VisionSuite 为高影响力空间提供了能够预测和适应参与者需求的先进控制系统。这种自适应技术可根据每次会议的动态提供个性化的更新和交互。

Jaynes 指出:“这些领域的 AI 包括计算机视觉、实时音频处理、复杂的控制和执行系统,甚至是动觉感知和机器人。”

一直以来,视听行业都认为这种先进的交互方式过于复杂,成本过高。利用这些技术装备空间可能会增加多达 50 万美元的开支。如今,AI 颠覆了成本计算。“借助 AI 控制系统和生成模型,我们实现了这些功能的平民化,大大降低了成本,让更多用户可以使用先进的混合会议环境,” Jaynes 表示。

技术赋能协作空间

音频 AI 在高影响力协作空间中起着至关重要的作用。AI 不仅可以识别发言者并自动转录对话内容,还能根据会议类型调整会议室的声学效果。

Q-SYS 的一个突出功能是多区域音频。这样可确保每位参与者都能听到清晰、明快的声音,无论是在物理还是混合环境中。

该系统还能增强会议的动态效果,确保远程与会者从特定方向发言时,声音也能从房间内的同一位置发出。这种定向音频功能可营造身临其境的体验,模拟出面对面会议的自然流程,并将注意力集中在发言者身上。

此外,顾名思义,VisionSuite 利用了先进的计算机视觉技术。它提供了多摄像头导向体验,可自动控制摄像头和其他感官输入,丰富协作环境。这样可确保智能地处理视频分发,通过在发言人和演示文稿之间平稳切换聚焦来保持互动。

在装有多个摄像头的会议场所,该系统利用近距离传感器检测与会者何时准备发言。然后,摄像头自动对准活跃的发言人,以提高其发言的清晰度和影响。

该系统还延伸出直观的视觉提示。例如,当麦克风处于静音状态时,室内环境灯会变为红色,而当麦克风处于激活状态时,则会切换到绿色。

为了增强安全性和私密性,摄像头会在视频关闭时自动离开参与者,转而面向墙壁。这样可保证隐私得到维护,无需人工干预即可加强安全性。

另一个要素是会议室自动化,它可以显著增强工作空间的功能性和适应性。AI 系统可以智能调节照明和温度设置,使这些空间能够毫不费力地转换,以适应从私密的头脑风暴会议到大范围演示等各种场景。

会议室自动化 AI 甚至可以帮助员工管理繁忙的日程安排。“想象一下,你开会迟到了,” Jaynes 指出。“AI 已经知道你会迟到,它会在门口迎接你,告诉你会议已经进行了 10 分钟,并引导你到空位就座。为了能让你更好地融入会议,它会在你到达之前自动发送一封总结会议进展的电子邮件,让你能够快速参与并有效做出贡献。”

标准化硬件推动数字化体验

为了实现这一切,Q-SYS 利用英特尔® 处理器的强大功能。“Q-SYS 依赖于英特尔强大的处理能力,因而我们能够构建灵活的视听系统并利用先进的 AI 算法,” Jaynes 解释道。

英特尔处理器的这种策略性使用规避了传统视听设备相关的专用硬件的限制。Q-SYS 主要由软件驱动,让标准化硬件能够灵活适应各种功能,从而延长了硬件生命周期。

“对我们来说,这无疑令人兴奋;这是一次伟大的合作。我们调整路线图,以确保在这些平台上高效地提供合适的软件更新,” Jaynes 补充道。

在我们走向协作空间和混合环境日益由其适应性和响应性定义的未来时,Jaynes 相信人工智能将重塑我们在专业环境中的互动和沟通方式。有了 Q-SYS 等解决方案,这些交互将更具包容性、参与性和有效性,而且很可能更加令人愉快。

 

本文由 insight.tech 的编务总监 Christina Cardoza 编辑。

利用工作负载整合释放面向客户的边缘人工智能

如今,消费者与企业的互动方式已发生变化。“在后流行病时代,重点在于尽量减少身体接触和简化客户服务,” DFI 产品中心总经理 Jarry Chang 解释道。 DFI 是嵌入式主板和工业计算机领域的全球领先企业

因此,在零售领域,集成边缘人工智能应用的需求日益增长。例如,人工智能提供支持的自助服务终端和签到解决方案可以让顾客自行完成交易,从而减少物理交互和等待时间。这些解决方案还可以实时分析顾客的行为和偏好,使零售商能够提供个性化体验,在改善顾客满意度和忠诚度的同时提高销量。

“这些需求推动了向边缘人工智能的转变,在更靠近数据源的地方进行处理,从而减少延迟并增强隐私,” Chang 表示。“这种变化是由实时决策的需求和边缘生成的数据量不断增加所推动的。”

推动边缘人工智能的发展

但问题是,企业往往难以找到在现有基础设施和流程周围部署边缘人工智能应用的最佳方法。

虽然边缘人工智能可以大大减轻网络和数据中心的负担,但它也可能在资源本已紧张的本地造成新的负担。问题来了:如何在不增加成本和复杂性的情况下部署边缘人工智能?

工作负载整合是应对这些挑战的一种方法——使单一硬件平台能够将人工智能与其他功能结合。结果是,多功能边缘设备“能够通过资源分配、隔离和远程管理等功能,以有限的资源运行多个并发工作负载,” Chang 解释道。

DFI 最近在 2024 年嵌入式世界展览会上展示了工作负载整合的可能,并演示了电动汽车充电器与信息自助服务终端的结合 (视频 1)。自助服务终端使用生物识别、语音识别和集成聊天机器人推荐附近的购物和餐饮场所,让司机可以在车辆充电时享用。在司机准备离开时,屏幕会启动数字标牌模式,显示附近商家的诱人广告。

视频 1。DFI 在 2024 年嵌入式世界展览会上展示了工作负载整合的可能。(来源: insight.tech

DFI RPS630 工业主板 利用第 13th 代英特尔® 酷睿™ 处理器的硬件虚拟化支持,将人工智能功能与内容管理系统、电动汽车充电器控制和支付处理无缝整合。同时,英特尔® 锐炫™ GPU 可为 AI 组件提供高能效、低成本的加速。

DFI 还使用英特尔® OpenVINO™ 工具套件进行 GPU 优化,以减少 AI 的内存占用,使其能够在不到 6 GB 的内存中运行复杂的大型语言模型。此外,通过将边缘的复杂人工智能任务分载到英特尔锐炫 GPU 上,DFI 能够支持多个 AI 工作负载,同时将响应时间缩短 66%。

为智能系统的未来增添动力

DFI 的工作负载整合技术远不止于电动汽车充电应用。该平台将其工业级产品与合作伙伴提供的软件和人工智能解决方案集成,面向全球自助服务行业的零售、医疗、交通、智能工厂、酒店等应用。

通过集成管理程序虚拟机,DFI 将所有客户端工作负载整合到单台工业电脑上。此系统支持多样化的资源配置,使各种操作系统平台能够同时运行。

“这些边缘人工智能用例都需要工作负载整合平台,以实现客户数据的实时处理和高效运营,” Chang 表示。“随着越来越多的行业和组织采用这项技术,我们预计还会看到新的发展。”

“边缘人工智能与工作负载整合平台的集成对于边缘计算的深入发展至关重要,”他继续指出。“无疑,随着围绕边缘人工智能的硬件、软件和其他技术的不断发展,工作负载整合将变得更加主流,最终释放出下一代智能边缘计算应用。”

边缘协作的价值

边缘人工智能为许多行业带来了巨大的机遇。Chang 解释道,到目前为止,我们才刚刚开始触及它的表面。通过将高效加速与合适的工作负载整合平台结合,我们可以开始探索这项技术真正能够实现的目标。

DFI 与英特尔的合作让我们了解到支持这一持续进步所需的条件:协作。现代边缘人工智能应用需要结合硬件、软件、人工智能和行业专业知识的多学科方法。

“嵌入式虚拟化需要在硬件和软件方面建立强大的合作伙伴关系,” Chang 解释道。“开发和部署工作负载整合技术需要大量的研发资源。通过与虚拟集成软件供应商等其他公司合作,我们可以大大缩短开发和上市时间。”

“借助于 DFI 与英特尔的强大合作伙伴关系,我们能够探索和开发帮助定义边缘计算未来的新技术,” 他总结道。“我们为迄今为止的合作成果感到自豪。我们对与英特尔在工作负载整合、人工智能以及更多领域开展进一步合作的前景充满热情。”

 

本文由 insight.tech 编务总监 Christina Cardoza 编辑.

边缘人工智能检测驾驶员分心,增强安全性

每位司机都深知疲劳时将注意力集中在道路上是多么困难,但被一条短信、无线电拨号盘或一杯热气腾腾的咖啡分心又有多么容易。职业司机在方向盘前的时间要比其他人多得多,因此在驾驶时保持注意力集中面临着更大的挑战。

但现在,基于边缘人工智能和计算机视觉新推出的高级驾驶协助系统 (ADAS) 可以帮助解决疲劳和分心驾驶的问题,这是传统解决方案所无法解决的。这对每个人来说都是好消息,也让车队管理、物流和叫车企业松了一口气。

“分心和疲劳驾驶是企业安全人员最关心的问题,” Srini Chilukuri示,他目前担任专注于计算机视觉和深度学习解决方案的平台即服务提供商 TensorGo Software Pvt Ltd 的创始人兼首席执行官。“ADAS 解决方案利用边缘人工智能改进旧的安全系统,提供实时监控、分析和警报,帮助驾驶员集中注意力。”

虽然在边缘部署人工智能解决方案具有挑战性,但计算机视觉专家和硬件制造商之间的合作有助于将这些创新系统应用到商用车辆和道路上。

Raspberry Pi 上的边缘人工智能

TensorGo 与英特尔合作推出的高级驾驶员注意力计量 (ADAMS) 解决方案就是一个范例。ADAS 系统的设计优雅而简单:它由紧凑型摄像头、边缘计算设备和监控危险驾驶的计算机视觉算法组成。

ADAMS 同时运行三种独立的 AI 行为检测算法:

  • 疲惫检测会分析驾驶员面部是否有困倦迹象,如频繁打哈欠或闭眼。
  • 头部姿态通过检测驾驶员将目光从道路上移开的情况,如调整导航系统或伸手去拿掉落的物品,来识别分心驾驶。
  • 目标检测会发现驾驶员是否偷看手机等分心情形。

任一种算法检测到问题,系统都会立即通过移动设备向驾驶员发出警报,然后向公司安全人员发送二次警报。

虽然在产品开发阶段已建立了基本的系统架构,但将 ADAMS 的实施版本推向市场仍面临挑战。概念验证在笨重的边缘设备上运行,最终的结果是效率太低、灵活性太差,无法转化为可行的产品。TensorGo 的工程师希望将其系统迁移到紧凑、节能的 32 位 Raspberry Pi 边缘设备和 Raspberry Pi 摄像头上。但目前尚不清楚如何才能在较小的边缘设备上运行多种人工智能算法,而又不会过度消耗处理器。

TensorGo 团队与英特尔合作克服了工程设计上的挑战。该团队使用英特尔® OpenVINO™ 工具套件优化和加速人工智能算法,以便在紧凑型 Raspberry Pi 设备上高效运行。英特尔架构师还建议采用比最初原型帧数更少的摄像头视频数据处理策略。这种方法为高精度计算机视觉分析提供了足够多的数据,同时也减轻了处理器的负担,从而提高了 ADAMS 的整体性能和稳定性。

案例研究表明,安全性得以改善,成本也得到节省

TensorGo 在中东地区一家大型卡车运输和配送公司的部署展示了 ADAS 系统在实际应用场景中的能力。

该公司 500 多辆卡车的事故数量不断增加,而驾驶员分心和疲劳驾驶是主要原因。管理层无法接受这种情况对驾驶员和公众带来的安全风险。他们还担心因车辆停运和责任成本造成的运营效率问题。尽管实施了驾驶员培训计划,问题依然存在。

通过与 TensorGo 合作,该公司在其车队的每辆车上都部署了 ADAMS 系统。不到六个月就有了结论——边缘人工智能方法取得了巨大成功。该公司分心事故减少了 32%,疲劳事故减少了 27%。驾驶员注意力系统还帮助将准时交货率提高了 18%,预计节省成本 150 万美元以上。

“ADAMS 等 ADAS 系统改变了企业安全人员的游戏规则,” Chilukuri 表示。“它们改善了安全结果并积极影响收益,因此可解决关键安全挑战并帮助克服采用障碍。”

运输安全的未来及其他

ADAS 解决方案集强大的安全和成本节省优势于一身,对车队管理公司来说是一个极具吸引力的选择,因此在未来几年内,这些系统的使用率会越来越高。

TensorGo 正为未来做准备,计划在现有解决方案中引入更多功能。公司正在研究如何在 ADAMS 中添加 GSM 模块,以便直接从边缘设备而不是驾驶员的手机发出警报。工程团队还在探索如何将人工智能碰撞检测模型纳入其解决方案,以提醒驾驶员注意潜在的道路危险。

除 ADAS 系统之外,该解决方案的底层技术还可支持其他用例。ADAMS 使用的核心软件和计算机视觉技术可以适应工作场所安全、辅助生活监控和工业运营等应用。

“未来几年,边缘人工智能和计算机视觉将在物流和其他领域发挥变革性作用,” Chilukuri 表示。“实时监控和分析将提高整体安全性和效率,我们的目标是成为这一变革的关键参与者。”

 

本文的编辑为 insight.tech 的编务总监 Georganne Benesch

通过自主卫星商店实现实体零售数字化

实体零售商在客户体验和成本效益等方面长期落后于数字零售商。电子商务可以提供个性化体验、流畅的采购和自动化库存管理,而实体店却经常为低效的人工流程和脱节的客户体验而苦恼。

得益于当今先进的人工智能和计算机视觉能力,实体零售现在正变得更加数字化。例如, 自主零售店解决方案提供商 Cloudpick 通过其自主卫星商店在实体零售和数字零售之间架起了一座桥梁,提供无收银员微零售体验。
“零售商渴望将他们的线上商业智能带入线下世界,但传统店面形式的租金成本高昂、布局不灵活让他们很难做到这一点,” Cloudpick 国际业务开发主管 Mark Perry 解释道。“我们的卫星商店让他们能够以最小风险扩展销售渠道。”

通过卫星商店扩大零售覆盖面

与传统的实体店或超市不同,Cloudpick 的卫星店专注于“微型市场”,即小型、灵活、可移动的市场。因此,这些由人工智能驱动的微型市场使品牌能够以经济高效的方式利用蓬勃发展的“微型零售”或“快闪”趋势。

这些小型商店越来越受欢迎,因为它们可以部署在 公司办公大厅、酒店入口和大学校园等非传统地点。Perry 认为,这为人流密集区域的零售商带来了新的潜在收入来源,同时也为顾客提供了便利。

但为这些小型商店寻找合适的位置可能是一个充满风险的过程。尽管传统的快闪店面积小,但其建造过程昂贵、耗时,并且经常会出现意想不到的延误和成本增加。更糟糕的是,如果销售情况令人失望,搬迁商店可能会非常困难,甚至无法做到。例如,传统的零售店需要签订长期租约和投入大量的前期资金,因此几乎不可能搬迁。

即插即用的自主商店

这正是 Cloudpick 现成模式的优势所在。Cloudpick 提供完整的预集成硬件和软件包,包含从货架基础设施和冷藏装置到摄像头和边缘人工智能系统等的一切设备。它是一种即插即用的解决方案,零售商可以根据自己的品牌和产品种类进行定制。一切都是标准化和预配置的,使客户的总成本保持可预测。

客户只需选择所需的卫星商店面积,剩下的工作就由 Cloudpick 的现场安装团队完成。Perry 表示,由于采用了模块化结构,卫星商店可以在八小时内安装完毕,并在半天内重新部署到新的地点。

此外,卫星商店快速拆卸和重新部署的能力降低了地点选择不佳的风险。如果某个地点表现不佳,Cloudpick 可以将卫星商店转移到另一个区域,就像重新部署一辆餐车一样。

这种独特的灵活性使零售商能够以低风险的方式选址试点,同时充分利用新兴的客户微型市场和高客流量区域。

这种形式可以为传统零售商带来战略优势。不仅是便利店经营者,像沃尔玛或 Les Mousquetaires 这样的大型特许经营商也希望在城市地区渗透新市场并建立品牌知名度。

Cloudpick 解决方案的预配置格式以标准化为基础,使新市场进入者和现有零售商都能占领以前未曾触及的地点。Perry 表示:“波兰的 Zabka 即为采取这种模式的便利连锁店的典范,它在两年内迅速推出了 60 家超小型商店。”该零售商的目标是在人流量大的城市地区迅速铺设商店。这种在小半径范围内增加商店密度的做法,可以打造更有效的供应链管理。

人工智能带来愉悦、经济的消费体验

这些卫星、微型零售店一旦部署完毕,将提供人工智能驱动的用户体验。顾客可以扫描二维码或刷卡进入商店。在顾客购物时,Cloudpick 会利用摄像头和货架上的重量传感器来跟踪顾客挑选的商品。

Perry 解释说,这种多模态传感方法提高了准确性,可以确定顾客是拿了三块糖还是一块糖。此外,它还为零售商提供了几乎无限的库存灵活性,使购物者能够享受丰富的商品选择,并可根据购物喜好轻松更新。

结账时,顾客只需走出商店,无需收银员,也无需扫描商品。这可以通过 Cloudpick 的人工智能系统实现,该系统处理统一数据,将商品流动和所有权映射到特定顾客,并在顾客离开时通过应用程序自动结账。

Perry 表示,尽管自主购物体验非常复杂,但凭借内置的机制,Cloudpick 的卫星商店在结账识别和计费方面保持了 98.5% 的准确率。

最大化卫星商店的投资回报率

通过提供无收银员体验,零售商只需雇佣员工到店补货即可。智能库存管理系统可以优化现场访问,帮助最大限度地减少商品浪费、库存过多和缺货情况。

计算机视觉和人工智能后端还能分析购物模式、年龄和性别等人口统计数据以及顾客流量。这为零售商提供了与在线零售的用户分析和再营销功能类似的数据洞察,但却是在实体店提供。

该平台旨在将电子商务的数据驱动分析和精准营销引入实体零售业。Perry 表示:“零售商可以集成我们的 API,根据真实世界购物者的行为优化产品种类、布局、定价策略和促销活动。”

英特尔技术使所有这一切成为可能。Perry 解释说,高性能、高能效的英特尔® 处理器是运行 Cloudpick 计算机视觉模型以实现物体识别、顾客跟踪和结账自动化的关键所在。此外,英特尔® 发行版 OpenVINO™ 工具套件等工具使 Cloudpick 能够不断改进其服务。

人工智能卫星商店的未来

通过自主运营、数据驱动的库存优化和最小的地产空间占用,Cloudpick 的卫星商店为零售商提供了经济实惠、面向未来的微型零售路线图。Perry 设想的未来的集成可能包括用于个性化促销和沉浸式讲述产品故事的互动数字标牌。

卫星商店只是零售业对我们在现实世界中的购买方式进行人工智能改造的开始。

本文编辑为 Christina Cardoza,insight.tech 编务总监.

放射科透过 AI 改变癌症诊断

放射科医生需耗费大量时间查看扫描结果来诊断病情,但开创性的解决方案正在开拓癌症诊断影像的新前沿。正当医疗系统面临放射科医生短缺导致工作量增多、出错风险增加的关键时刻,AI 在放射学领域的出现恰逢其时。

医生必须判读的扫描影像数量不断增加,因此这些挑战只会加剧。一项研究表明,随着扫描数量的增加,这种短缺带来的风险: 当医生阅读放射检查影像的时间减少 50%,错误率就会上升 16%

Siemens Healthineers 作为医疗科技行业的领先创新者,开发了 AI-Rad Companion 平台,以提高诊断准确性并减轻放射科医生的操作负担。该解决方案展示了AI 对整个医疗过程的影响,以及这一变革性技术如何作为医生的第二双眼睛和耳朵,为更好的医疗结果提供支持。

该公司使用 AI 驱动的云端增强型工作流程来优化放射科医生的重复任务。AI-Rad Companion 利用深度学习算法提供支持临床决策的见解,作为助理帮助放射科医生做出更准确的诊断。

充分发挥 AI 在放射科的作用

虽然解决放射科人力不足问题尚需时日,但 AI 可以帮助缩小这一差距, Siemens Healthineers 的人工智能全球营销经理 Ivo Driesser 表示

“这就是为什么我们在 Siemens Healthineers 说:’为什么不开始使用人工智能来减轻放射科医生的重复性工作负担,比如如测量病灶、寻找肺部病灶的耗时过程或测量心脏钙化量。医生正在进行的所有这些人工操作步骤都可以由人工智能更轻松地完成,” Driesser 表示。

AI-Rad Companion 旨在平衡医生的自动化和准确性,同时提供强大的决策支持。该解决方案没有任何阻碍。AI-Rad Companion 可无缝集成到放射科医生的标准工作流程中,通过云端虚拟连接到医院的现有系统,或使用边缘设备进行物理连接。该解决方案由英特尔® 酷睿 处理器以及英特尔® OpenVINO 工具套件提供支持,采用深度学习模型提高图像识别能力,并处理来自 CT 设备的匿名 DICOM 数据。然后,它使用 AI 驱动的算法为放射科医生提供临床见解。AI-Rad Companion 可突出显示医学影像上的病灶,简化病灶测量以节省医生的时间,在某些情况下,还能帮助放射科医生发现肉眼可能忽略的继发性病症或病理。

“我们不能这样说,’这名患者患有肺癌,需要该治疗’。始终是医生需要完成这项工作,但我们可以引导放射科医生的眼睛,” Driesser 指出。 

现代化诊断影像可带来更好的结果

AI-Rad Companion 具有五个强大的扩展功能,包括判读胸部 CT、胸部 X 射线和脑部扫描图像、辅助前列腺评估以及为放疗计划绘制器官轮廓。

以心脏和大血管为例,AI-Rad Companion 胸部 CT 可以帮助医生测量主动脉的直径。利用临床指南,该工具可以在扫描结果出现异常需要进一步检查时提醒医生。对于胸腔 CT,AI-Rad Companion 可检查肺部病变,并在标准 CT 数据旁边提供 AI 增强结果,帮助医生诊断肺气肿和肺癌等疾病。

一些医疗机构使用 AI-Rad Companion 来提高效率和诊断准确性。奥地利一家放射科和影像诊所的 Diagnostikum Linz 已将该解决方案用于胸部 CT。AI-Rad Companion Chest CT 嵌入影像价值链。它将深度学习算法应用于 DICOM 数据,计算出结果,然后推送到放射科医生的阅读环境中进行判读。该解决方案还具有特定的深度学习算法,医疗机构可将其用于主动脉评估,因此需要同时接受心脏和胸部检查的患者可以一次完成检查。

AI-Rad Companion 提供强大的 3D 图像和可视化功能,可推进诊断流程并减少放射科医生的手工操作。由于该解决方案的 AI 增强工作流程,Diagnostikum Linz 放射科医生的工作效率提高了 50%,因为他们现在只需更少的鼠标点击次数即可访问和解释扫描结果。他们不再需要手动测量病灶。用于计算病灶直径的 AI 方法每次都相同,这不仅节省了时间,还促进了标准化,从而提高了准确性。

南卡罗莱纳州医科大学 (MUSC) 还使用 AI-Rad Companion Chest CT 将扫描判读时间缩短了 22%。由于该解决方案的 AI 增强、后处理、胸部结构自动量化以及心脏和冠状动脉的自动分割,MUSC 提高了医疗机构的效率。放射科医生触手可及的 AI 可以更快地获得结果。

AI 在放射科领域的未来

放射科医生致力于为患者提供所需的答案。他们的工作可为后续治疗提供依据,从而使医疗系统能够挽救更多生命并实现更好的治疗效果。目前,他们正在努力解决人工流程导致判读时间变慢的问题,但 AI 可以帮助他们在不影响准确性的情况下优化工作流程。

AI-Rad Companion 演示了 AI 如何成为医疗机构的强大推动力,在影像诊断过程中充当贴心的临床助手,而不是最终决策者。以此方式,AI-Rad Companion 可以让放射科医生能够减少对繁琐任务的关注,转而利用他们深厚的临床知识在最重要的方面发挥影响力——为患者提供尽可能好的护理。

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。