Xilinx，AWS和Spline.AI合作开发了用于医学X射线分类和疾病检测的深度学习模型，该模型可用于肺炎和COVID-19预测的临床环境。
该团队依靠30,000张精选和贴有标签的肺炎图像和500张COVID-19图像来训练深度学习模型，从而实现了高精度和高预测速度。赛灵思周二在一份新闻稿中说，该培训数据将提供给包括NIH，斯坦福大学和麻省理工学院在内的公共研究和医疗机构中国机械网okmao.com。
功能性深度学习模型与参考设计套件一起推出，售价为1,295美元。根据 网页说明，将Xilinx Zynq UltraScale + MPSoC添加到作为边缘设备提供的ZCU104 FPGA中。Xilinx深度学习处理器单元已集成到MPSoC（片上多处理器系统）中，可加速AWS IoT Greengrass中的卷积神经网络。
使用Python PYNQ，一种开放源代码编程平台，使临床研究人员可以将电路板适应不同的应用。可以在移动，便携式或即时医疗点情况下开发模型，并能够使用云进行扩展。该AI模型使用Amazon SageMaker进行了培训，并通过AWS IoT Greengrass从云部署到边缘，从而实现了远程学习模型的更新。
AWS表示，结合在一起的技术意味着使用低成本医疗设备可以实现高精度的临床诊断。AWS物联网副总裁Dirk Didascalou说，医生无需物理医疗设备即可将X射线图像上传到云中，从而使医生可以到达偏远地区进行护理。
经过验证和监管批准后，可以将该系统部署为临床使用。赛灵思医疗保健，医疗设备和科学负责人Subh Bhattacharya通过电子邮件表示：“这取决于医疗设备OEM或诊所或医院的部署。” “参考设计套件可用于加快上市时间，以开发和部署具有不同放射或临床流程的其他模型。”