CTXGB

病理影像是医学的金标准，其诊断结果对患者的治疗具有重要的指导意义。相比于CT、X光等医疗影像，病理影像的规模巨大（GB量级），为大规模智能诊断带来了挑战。在这个演讲中，我将介绍如何从人工智能和系统工程的层面去应对这些挑战。 这次演讲的主要内容包括：

1. 相比于自然图像，医疗数据的标注需要医师的全程参与，标注工具的易用性决定了数据标注的效率和质量。病理图像的大小是CT影像的一千倍、X光片的一万倍，因此对标注工具提出了更高的要求。在这一部分，我将介绍如何使用iPad和Apple Pencil构建标注系统，快速获取大量的训练数据；
2. 病理影像数据标注完成后，便可以进行模型的训练，得到理想的深度学习模型。这一部分将介绍数据预处理、模型训练的关键技术点，以及如何基于容器技术与TensorFlow Serving，上线并迭代深度学习模型；
3. 对于大规模的病理影像，单机多卡系统依然无法达到理想的计算速度和吞吐量，因此需要实施集群化。这一部分将介绍如何构建一个大规模分布式GPU计算集群，完成高效的病理影像辅助诊断。