多产品满足AI模型训练

赵俊淋表示，在益体康AI能力的构建过程中，AWS提供了强大的运算能力。通过Amazon EC2 P系列的主机和训练环境镜像，益体康只需要制定好训练计划，就可以直接使用训练，如果需要几个模型同时训练，只需要批量使用P系列主机，根据模型复杂程度进行分配部署即可。

AWS在AI领域拥有丰富的产品和解决方案，益体康会根据模型的不同，来选择AWS相应的产品，从而来满足AI模型训练需求。赵俊淋举例说，益体康做心电数据AI训练时，构建了150多层的残差模型，益体康就会选择AWS的配有NVIDIA Tesla V100 GPU的Amazon
EC2 P3系列实例来支持；训练模型用到几十层卷积网络，就需要选用AWS 配有NVIDIA K80 GPU的Amazon EC2 P2实例。如果是临时增加的模型训练，益体康会直接选用Amazon EC2 spot主机，并且这些主机设备会在训练完成后马上终止，相当灵活。

此外，赵俊淋表示，AWS在AI方面有着非常完善的生态系统，益体康在进行AI训练时，从数据输入到结果返回的全过程，全部都在AWS上实现。益体康的心电数据（X）会自动从Amazon S3上加载到NFS上，所有的Amazon EC2都共享同一个NFS作为数据输入。医生的原始结论和结论提取后的训练（Y）直接存放在Amazon RDS上，预测结果也同样会返回到RDS上，模型则直接存储在S3上。这样保证率AI训练效率，同时也可以方便的验证、修改、统计训练结果。

心电诊断是非常复杂，并且结论存在不同维度重叠、组合、联合、互斥的过程。一个特征很有可能因为另一个特征的同时出现而变得重要，也有可能因为第三个特征的出现而完全没有意义。因此，异常波段的标注非常重要。赵俊淋表示，益体康一直专注于心电诊断服务，多年来积累了很多的心电数据，而且都是阜外医院、安贞医院等大医院的专家精准的标注，从而对AI模型训练有很大的帮助。此外，益体康的AI场景非常明确，在体检筛查场景中辅助排阴，在医生结论环节辅助诊断。

（编辑：周口站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!