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.

Стадия
Промышленная эксплуатация
География
Индия
Год
2023
Источники
2
CB-002555
проверено 24.10.2026

/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)

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.

Стадия
Промышленная эксплуатация
География
Индия
Год
2023
Источники
2
CB-002555
проверено 24.10.2026

/02 · паспорт кейса

/ паспорт кейса · CB-002555IIT Madras Brain Centre

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

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.

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.

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. [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. [2] NVIDIA

    Whole Human Brain Neuro-Mapping at Cellular Resolution on NVIDIA DGX

    поставщик · 08.11.2023

    Открыть источник

Архив Сообщить о неточности

АрхИИВ /strategai · CB-002555 · Версия 1 · 24.10.2026 · /c/CB-002555/