概述

为构建上述国产智慧医疗智算平台，需联合攻克一系列关键技术瓶颈，主要包括： 1、面向龙芯LoongArch架构的医疗专用算子库开发与适配技术：通用深度学习框架中的算子实现未针对LoongArch架构优化，直接移植性能低下，需要针对医疗AI算法的核心计算内核进行重写和调优，开发高性能算子库，实现与国外主流平台相媲美的算子级性能。 2、复杂AI模型的硬件感知适配与高效能移植技术：将复杂AI模型高效部署到全新的国产硬件平台是巨大挑战。关键技术在于如何在保证模型高精度的前提下，通过模型量化、剪枝、算子替换、蒸馏等一系列硬件感知的AI算法设计与优化手段，使模型结构与国产平台的计算特性、内存限制相匹配。同时，需研发融合影像、电子病历、生理信号等多模态数据的智能诊断与预警模型。

需求详情

一、需要解决的技术问题。为构建上述国产智慧医疗智算平台，需联合攻克一系列关键技术瓶颈，主要包括：1、面向龙芯LoongArch架构的医疗专用算子库开发与适配技术：通用深度学习框架中的算子实现未针对LoongArch架构优化，直接移植性能低下，需要针对医疗AI算法的核心计算内核进行重写和调优，开发高性能算子库，实现与国外主流平台相媲美的算子级性能。2、复杂AI模型的硬件感知适配与高效能移植技术：将复杂AI模型高效部署到全新的国产硬件平台是巨大挑战。关键技术在于如何在保证模型高精度的前提下，通过模型量化、剪枝、算子替换、蒸馏等一系列硬件感知的AI算法设计与优化手段，使模型结构与国产平台的计算特性、内存限制相匹配。同时，需研发融合影像、电子病历、生理信号等多模态数据的智能诊断与预警模型。预期达到的效果：本项目旨在通过技术合作，共同研发一套覆盖“硬件-软件-算法-应用”的全栈式国产智慧医疗解决方案，预期达成以下关键技术成果与指标：1、医疗专用高性能算子库：形成一套面向LoongArch自主指令集和国产AI芯片的医疗专用高性能算子库软件；针对三维卷积、Transformer自注意力机制等医疗AI核心算子进行深度优化，解决主流AI框架在国产平台上的性能瓶颈。2、疾病智能诊断与辅助决策模型套件：研发一套经临床数据验证的高精度AI模型软件。肺结节等病灶检出准确率≥95%，高危疾病预警准确率≥90%，临床治疗方案推荐符合率≥85%。3、自主知识产权成果：发明专利申请≥2件，计算机软件著作权≥2件，论文发表≥1篇。二、现有基础。江苏航天龙梦信息技术有限公司致力于信息技术应用创新产业，拥有丰富的开发经验、完备的技术队伍与完善的研发条件，前期投入资金、人力，在基于国产CPU平台方面已开展大量研究工作，可为本项目的实施提供技术支持。