亞當·米爾頓·巴克（ Adam Milton Barker ）的祖父彼得·莫斯（ Peter Moss ）于 2018 年被診斷患有晚期疾病急性髓系白血病。一個月前，醫生給他的祖父做了一次常規血液檢查，檢查結果顯示沒有白血病跡象。當時，他確信應該有某種疾病的跡象。

Milton Barker 之前有使用人工智能檢測乳腺癌的經驗，他想看看自己學到的知識是否可以應用于白血病檢測。為了紀念他的祖父，他建立了 Peter Moss 急性髓系和淋巴細胞白血病 AI 研究項目 ，這是一個開源研究項目，致力于創建專注于白血病早期檢測的免費技術。

快進至2021年8月，當密爾頓巴克 演示一個項目 測試NVIDIA（ZVK4］納米的能力，為急性淋巴細胞白血病（ALL）在邊緣的分類。這個項目也是他提交給 NVIDIA Jetson 人工智能專家認證 。

一個巨大挑戰的納米解決方案

使用 Jetson Nano ，該項目可以檢測并分類 用于圖像處理的急性淋巴細胞白血病圖像數據庫 數據集中組織樣本的所有 in 圖像實例。

該項目為開發者提供了培訓定制卷積神經網絡（ CNN ）的步驟，這些網絡是使用 Intel oneAPI AI Analytics Toolkit 和 Intel Optimization for TensorFlow 開發的，以加速培訓過程。它還包括使用 TensorRT 在 Jetson Nano 上進行高性能推理以對所有數據進行分類的說明。

開發人員可以將經過訓練的模型轉換為 TFRT 、 ONNX 和 TensorRT 格式，以測試每個架構如何產生不同的推理時間。如 在結果中 所示， TensorRT 將推斷時間從最初的每張圖像 16 秒縮短到了 0.07 秒：

TensorFlow 型號： 16.357818841934204

TFRT 型號： 8.33677887916565

TensorRT 型號： 0.07416033744812012

Milton Barker summarized ：“當比較 TFRT 模型和［an additional］ 8 seconds ， demonstrating the pure power of TensorRT 模型的性能時，我們看到了［額外］ 8 秒的改進，展示了 TensorRT 的純粹力量以及它給人工智能帶來的可能性。”

在這項工作的 GitHub repository 中，他指出：“該項目應僅用于研究目的……盡管該模型是準確的，在紙面和現實測試中都顯示出良好的結果，但它是在少量數據上訓練的，需要在更大的數據集上訓練，以真正評估其準確性。”

伸出援手

有興趣幫助進一步研究嗎？這個項目需要一個 NVIDIA Jetson 納米顯影劑套件 還有 Jetson 納米顯影劑套件 SD 卡圖像。 有關如何設置 Jetson Nano 訪問的信息 Jetson 納米顯影劑套件入門 。

關于作者

Jason Black 是 NVIDIA 的自主機器營銷和通信高級經理。作為過去 25 年的作家和編輯，他喜歡在流行語背后尋找故事的核心。看到機器人 MIG 把他帶到哪里，他很興奮。

審核編輯：郭婷