Архив Образование · Высшее образование и наука
IIT Madras Brain Centre: на DGX детекция клеток тех же данных — менее 10 минут вместо часа и более
По данным сотрудников IIT Madras Brain Centre, на узле NVIDIA DGX с восемью GPU A100 детекция клеток на тех же данных, которые требовали не менее часа, занимает менее 10 минут. Это позволяет анализировать целый мозг примерно за месяц в программе клеточного картирования человеческих мозгов.
/01 · ключевые результаты
-
результат
было 60 мин менее 10 мин
время детекции клеток на том же объёме данных
NVIDIA, блог компании, 08.11.2023
не менее 1 часа на тех же данных
по данным на ноябрь 2023 года · узел NVIDIA DGX с восемью GPU A100, IIT Madras Brain Centre
слова сотрудника: Keerthi Ram, Mohanasankar Sivaprakasam (IITM Brain Centre)
- 420 с инференс по гигапиксельному снимку из 0,25 млн тайлов на одном GPU A100 · возможность системы NVIDIA, блог компании, 08.11.2023
- 60 ГБ в час скорость инференса CNN на одном GPU A100 на данных центра · возможность системы NVIDIA, блог компании, 08.11.2023
- 2,4 ТБ в час скорость обработки на пяти серверах DGX (40 GPU A100) · масштаб NVIDIA, блог компании, 08.11.2023
- 2 ТБ в час поток несжатых снимков от нескольких сканеров · масштаб NVIDIA, блог компании, 08.11.2023
- около 10 тыс. объектов для детекции в секунду при текущем потоке снимков · масштаб NVIDIA, блог компании, 08.11.2023
- 10–20 мозгов, полную обработку которых обеспечивает кластер DGX A100 · масштаб NVIDIA, блог компании, 08.11.2023
оценка strategai
Оценку не приводим: научный центр, ускорение вычислений не связано с денежной базой или сокращением затрат
По данным сотрудников IIT Madras Brain Centre, на узле NVIDIA DGX с восемью GPU A100 детекция клеток на тех же данных, которые требовали не менее часа, занимает менее 10 минут. Это позволяет анализировать целый мозг примерно за месяц в программе клеточного картирования человеческих мозгов.
/02 · паспорт кейса
Бизнес
- Компания
- IIT Madras Brain Centre
- Отрасль
- Образование · Высшее образование и наука
- Функция
- Производство и основные операции
- Задача
- Диагностика и клинические СППР
Технология
- Класс AI
- Компьютерное зрение
- Тип решения
- Гибридное решение: NVIDIA
- Данные
- Гигапиксельные изображения срезов посмертного человеческого мозга с клеточным разрешением; сканеры дают 250 ГБ в час каждый, всего около 2 ТБ в час несжатых снимков.
Внедрение
- Стадия
- Промышленная эксплуатация, на 08.11.2023
- География
- Индия
/03 · описание кейса
Зачем
Бизнес-задача
Sudha Gopalakrishnan Brain Centre при IIT Madras картирует более 100 посмертных человеческих мозгов разных типов и возрастов с клеточным разрешением, чтобы создать единообразно изученную цифровую коллекцию с запросами от отдельной клетки до целого мозга. По данным центра, несколько сканеров одновременно дают 2 ТБ несжатых изображений в час, и каждую клетку на них нужно найти и разметить: для модели детекции объектов это около 10 тыс. объектов в секунду. Обычные сверточные сети обучены на мегапиксельных снимках с десятками объектов, а один снимок центра — многогигапиксельный и содержит миллионы клеток.
Что
Решение
Центр построил собственный вычислительный конвейер с человеком в контуре. Модели машинного обучения выделяют контуры тканей, нормализуют изображения, контролируют качество съёмки, а сверточные нейросети выполняют детекцию, классификацию клеток и разметку областей мозга. Конвейер работает на стеке NVIDIA: нарезка тайлов в DALI, модели MONAI Core, оптимизированные TensorRT со смешанной точностью INT8, FP16 и TF32, три движка инференса на одном GPU A100, регистрация изображений в cuCIM и визуализация объёмов в NVIDIA IndeX. Данные распределяются по нескольким GPU и узлам, что позволяет обрабатывать мозги размером от плода до взрослого.
Как
Внедрение
Центр ввёл в эксплуатацию кластер NVIDIA DGX A100 для полной обработки 10–20 мозгов, а для масштаба 100 мозгов рассматривает DGX SuperPOD. По данным сотрудников центра на ноябрь 2023 года, на узле DGX с восемью GPU A100 детекция клеток на тех же данных, которые требовали не менее часа, занимает менее 10 минут; это делает анализ целого мозга возможным примерно за месяц. Гигапиксельный снимок из 0,25 млн тайлов проходит инференс на одном A100 за 420 секунд, один GPU обрабатывает 60 ГБ в час, пять серверов DGX (40 GPU) — 2,4 ТБ в час, что соответствует скорости съёмки. В октябре 2026 года центр объявил о запуске миссии картирования более 100 мозгов и выпустил атлас ишемического инсульта C-STROKE; трёхмерные карты, по данным IIT Madras, построены на суперкомпьютере Param Shakti.
/04 · источники и проверка
Что подтверждено
- По данным сотрудников центра, на узле DGX с восемью GPU A100 детекция клеток на тех же данных, которые требовали не менее часа, занимает менее 10 минут.
- Пять серверов DGX (40 GPU A100) обрабатывают 2,4 ТБ в час, что соответствует текущей скорости съёмки; один GPU даёт 60 ГБ в час.
- Кластер DGX A100 введён в эксплуатацию для полной обработки 10–20 мозгов.
Ограничения
- Сокращение с 1 часа до менее 10 минут — ускорение вычислений модели на новом оборудовании; цифра не сравнивает работу нейросети с ручной разметкой и не указывает, на каком оборудовании измерен исходный час.
- Объём данных, к которому относятся 1 час и 10 минут, в источнике не уточнён; точность детекции клеток не приводится.
- Анализ целого мозга за месяц и масштаб 100 мозгов описаны как ставшие возможными; фактическое число обработанных мозгов не раскрыто.
- Пресс-релиз IIT Madras от октября 2026 года связывает трёхмерные карты с суперкомпьютером Param Shakti и не упоминает кластер DGX; цифры 2023 года описывают конвейер по состоянию на ноябрь 2023 года.
-
[1] IIT Madras
Hon’ble Prime Minister Shri Narendra Modi launches IIT Madras Brain Centre’s Mission of 3D Mapping 100+ Human Brains at Cell Resolution across Human Life
компания · 12.10.2026
Открыть источник -
[2] NVIDIA
Whole Human Brain Neuro-Mapping at Cellular Resolution on NVIDIA DGX
поставщик · 08.11.2023
Открыть источник
АрхИИВ /strategai · CB-002555 · Версия 1 · 24.10.2026 · /c/CB-002555/