倫敦大學國王學院，連同合作醫(yī)院和大學合作者，公布了關于第一個項目的新細節(jié)。 Cambridge-1 ，英國最強大的超級計算機。

合成大腦項目的重點是建立深度學習模型，可以合成人腦的人工 3D MRI 圖像。這些模型可以幫助科學家了解人類大腦在不同年齡、性別和疾病中的樣子。

人工智能模型是由倫敦國王學院和 NVIDIA 數(shù)據(jù)科學家和工程師開發(fā)的，是倫敦醫(yī)學成像和人工智能價值醫(yī)療中心的一部分。這項研究是由英國研究和創(chuàng)新和威康旗艦計劃（與倫敦大學學院合作）資助的。

開發(fā)人工智能模型的目的是幫助根據(jù)腦部核磁共振掃描診斷神經(jīng)系統(tǒng)疾病。它們還可以用來預測大腦隨著時間的推移可能發(fā)展出的疾病，從而實現(xiàn)預防性治療。

使用合成數(shù)據(jù)還有一個額外的好處，那就是確?；颊唠[私，并使 King ‘ s 有能力向更廣泛的英國醫(yī)療保健界開放這項研究。如果沒有 Cambridge-1 ，人工智能模型將需要數(shù)月而不是數(shù)周的時間來訓練，而且最終的圖像質量也不會那么清晰。

King 和 NVIDIA 的研究人員使用 Cambridge-1 使用多個 GPU 將模型縮放到必要的大小，然后應用一種稱為超參數(shù)調整的過程，這大大提高了模型的精度。

倫敦國王學院人工醫(yī)學智能高級講師豪爾赫·卡多佐說：“劍橋一號能夠加速生成合成數(shù)據(jù)，使國王學院的研究人員能夠了解不同因素如何影響大腦、解剖和病理?！蔽覀兛梢砸笪覀兊哪Ｐ蜕蓭缀鯚o限量的數(shù)據(jù)，包括規(guī)定的年齡和疾??；有了這個，我們就可以開始解決諸如疾病如何影響大腦以及何時存在 MIG ht 異常等問題?！?/p>

介紹 NVIDIA Cambridge-1 超級計算機為像合成大腦項目這樣的突破性研究提供了新的可能性，并且可以用來加速疾病、藥物設計和人類基因組的數(shù)字生物學研究。

作為世界上速度最快的 50 臺超級計算機之一， Cambridge-1 基于 80 個 DGX A100 系統(tǒng)，集成了 NVIDIA A100 GPU s 、 Bluefield-2 DPU s 和 NVIDIA HDR InfiniBand 網(wǎng)絡。

倫敦國王學院正在利用 NVIDIA 硬件和開源軟件 MONAI 軟件框架 由 PyTorch 支持，與 cuDNN 和 Omniverse 合作開發(fā)他們的合成大腦項目。 MONAI 是一個免費提供的、基于社區(qū)支持的 PyTorch 框架，用于醫(yī)療成像領域的深度學習。 CUDA 深度神經(jīng)網(wǎng)絡庫（ cuDNN ）是一個用于 深層神經(jīng)網(wǎng)絡 是一個開放的虛擬協(xié)作和實時仿真平臺。 King ‘ s 公司剛剛開始使用它對大腦進行可視化，這可以幫助醫(yī)生更好地了解腦部疾病的形態(tài)學和病理學。

隨著深度學習體系結構效率的提高以及硬件的改進，醫(yī)學體數(shù)據(jù)在更高分辨率下的復雜和高維建模成為可能。矢量量化變分自動編碼器（ VQ-VAE ）是一種高效的生成式無監(jiān)督學習方法，它可以將圖像編碼成與初始尺寸相比相當壓縮的表示形式，同時保持解碼的保真度。

King ‘ s 采用 VQ-VAE 啟發(fā)和 3D 優(yōu)化網(wǎng)絡，有效地對全分辨率腦體積進行編碼，將數(shù)據(jù)壓縮到原始大小的 1% 以下，同時保持圖像保真度，性能優(yōu)于以前的最新技術。

在對圖像進行 VQ-VAE 編碼后，通過針對數(shù)據(jù)的體積性質和相關序列長度進行優(yōu)化的遠程變壓器模型來學習潛在空間。由數(shù)據(jù)的三維性質引起的序列長度需要劍橋 1 號提供的多 GPU 和多節(jié)點縮放所能提供的無與倫比的模型尺寸。

通過從這些大型變壓器模型中采樣，并對感興趣的臨床變量（如年齡或疾病）進行調節(jié)，可以生成新的潛在空間序列，并使用 VQ-VAE 將其解碼為體積腦圖像。變壓器 AI 模型采用注意機制，對輸入數(shù)據(jù)各部分的重要性進行差異權衡，并用來理解這些序列長度。

創(chuàng)建與現(xiàn)實生活中神經(jīng)放射學研究驚人相似的 生成性腦圖像 有助于理解大腦是如何形成的，創(chuàng)傷和疾病是如何影響它的，以及如何幫助它恢復。使用合成數(shù)據(jù)代替真實的患者數(shù)據(jù)，可以緩解數(shù)據(jù)訪問和患者隱私方面的問題。

作為倫敦國王學院合成大腦生成項目的一部分，代碼和模型是 open-source NVIDIA 為改進 fast-transformers 項目 合成大腦項目所依賴的。

關于作者

Vanessa Braunstein 在 NVIDIA 的醫(yī)療團隊從事產(chǎn)品營銷工作。此前，她在基因組學、醫(yī)學成像、制藥、化學和診斷公司從事產(chǎn)品開發(fā)和營銷。她學習分子和細胞生物學、公共衛(wèi)生和商業(yè)。

審核編輯：郭婷