NVIDIA Jetson Nano 正在为更快地检测某些类型的癌症铺平道路。
Adam Milton Barker 的祖父 Peter Moss，于 2018 年被诊断患有晚期急性髓系白血病。一个月前，医生给他的祖父做了一次常规血液检查，检查结果显示没有白血病迹象。当时，他确信应该有某些关于这种疾病的迹象。
Milton-Barker 之前有使用 AI 检测乳腺癌的经验，他想看看自己学到的知识是否可以应用于白血病检测。为了纪念他的祖父，他建立了 Peter Moss 急性髓系和淋巴细胞白血病 AI 研究项目，这是一个开源研究项目，致力于创建专注于白血病早期检测的免费技术。
时间来到 2021 年 8 月，Milton-Barker 演示了一个项目，测试 NVIDIA Jetson Nano 用于急性淋巴细胞白血病(ALL)分类的能力。这个项目他也提交给了 NVIDIA Jetson 人工智能专家认证。
利用Jetson Nano解决一个巨大挑战
使用 Jetson Nano ，该项目可以检测并分类用于图像处理的急性淋巴细胞白血病图像数据库、数据集中组织样本的所有图像实例。
该项目为开发者提供了训练定制卷积神经网络（CNN）的步骤，还包括使用 TensorRT 在 Jetson Nano 上进行高性能推理以对所有数据进行分类的说明。
开发人员可以将经过训练的模型转换为 TFRT 、 ONNX 和 TensorRT 格式，以测试每个架构如何产生不同的推理时间。结果显示，TensorRT 将推断时间从最初的每张图像 16 秒缩短到了 0.07 秒：
- TensorFlow 模型：16.357818841934204
- TFRT 模型：8.33677887916565
- TensorRT 模型：0.07416033744812012
Milton-Barker 总结道：“当比较 TFRT 模型和 TensorRT 模型的性能时，我们看到了 8 秒的性能提升，证明了 TensorRT 的纯粹力量以及它给人工智能带来的可能性。”
在这项工作的 GitHub repository 中，他指出：“该项目应仅用于研究目的。尽管该模型是准确的，在纸面和现实测试中都显示出良好的结果，但它是在少量数据上训练的，需要在更大的数据集上训练，以真正评估其准确性。”