Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

IS-4003, A Cloud Based Medical Imaging Platform Using APU, by Kovey Kovalan

1,620 views

Published on

Presentation IS-4003, A Cloud Based Medical Imaging Platform Using APU, by Kovey Kovalan at the AMD Developer Summit (APU13) Nov. 11-13, 2013.

Published in: Technology, Business
  • Be the first to comment

  • Be the first to like this

IS-4003, A Cloud Based Medical Imaging Platform Using APU, by Kovey Kovalan

  1. 1. VOXCELL®  -­‐  SUPERCOMPUTING    CLOUD  MEDICAL  IMAGING  PLATFORM  USING  GPU/APU   KOVEY  KOVALAN  &  SANKET  GAJJAR   KJAYA  MEDICAL    
  2. 2. BUSINESS  CASE:   Opportunity  to   Improve  PaDent  Care  
  3. 3. OPPORTUNITY  TO  IMPROVE  PATIENT  CARE   MEDICAL  IMAGING  MARKET   !  US  spends  $100B  on  520,500,000  medical  scans  !  $3.5B  on  soTware   ‒ RIS  CVIS  PACS  !  $1.8B  in  2010  !  3.5%  CAGR   ‒ Image  Analysis  !  $1.7B  in  2012    !  7.1%  CAGR   !  Why  Scan?  !  early  detecDon  !  survive     ‒ e.g.  13M  cancer  paDents  alive  in  2012   !  30,000  radiologists  !  10  minutes/scan  !  limits  diagnosDc  outcome     !  Survival  rate  could  be  increased  through  Dmely  physicians  and  paDent  interacDon   !  Physicians  and  paDents  need  enhanced  visualizaDons,  computer  aided  diagnosis,  and   social  media   !  KJAYA  Medical  has  a  soluDon   3   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  4. 4. MEDICAL  IMAGE  MANAGEMENT  IS  CURRENTLY  ON  PREMISES   PICTURE  ARCHIVING  AND  COMMUNICATION  SYSTEMS  (PACS)   Film  Warehouse   Digital    Warehouse   Onsite   PACS   Specialized   WorkstaDon   4   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  5. 5. CROWDED  MARKET  –  OLDER  TECHNOLOGY     CURRENT  PACS  MARKET  IS  FRAGMENTED   Onsite  PACS   Blue  Ocean  Markets   Cloud   Social  Media   Third  GeneraDon  PACS  Technology   Current  Technology   5   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  6. 6. CURRENT  CLOUD  PACS  MARKET  -­‐  LESS  THAN  1%     FOCUSED  ON  NON-­‐DIAGNOSTIC  USE  OF  IMAGE  SHARING  AND    OFFSITE  BACKUP   13%   3%   2%   1%  Cloud   Current  Cloud  accounts  about  1%  of  the  market   •  $56m  in  2010  expected  to  grow  27%  CAGR  to  2018   •  Mostly  in  archival  and  image  sharing   •  Third  generaDon  PACS  on  cloud  in  its  infancy   81%  Onsite     Challenges  for  cloud  PACS   •  Access  speeds   •  DiagnosDc  quality   •  Tools  to  manipulate  data  in  real  Dme   6   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  7. 7. PACS  FUTURE     ENTERPRISE  IMAGING  CLOUD   Onsite  PACS   Cloud  based  Enterprise  PACS   Third  generaMon  PACS  requirements   Current  RIS/PACS   • 91%  penetraDon   • 52%  older  than  5  years   • 21%  plan  to  replace  in  12  months   Cardiology  :  60%  have  no  PACS   Pathology:  90%  have  no  PACS   7   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL   • Enterprise  PACS  –  PaDent  centered,  mulD-­‐departmental,  integrated   image  management  plalorm   • Cloud  based  –  Strong  ROI,  distributed  mulD-­‐site  access  at  speeds   equal  to  on  site  PACS   • Image/report  sharing  with  referring  physicians  and  paDents  on   demand     • Higher  levels  of  funcDonality  -­‐  advanced  visualizaDon,  computer   aided  diagnosis   • IntegraDon  with  EHRs,  HIEs  
  8. 8. VoXcell®  Cloud   On-­‐Demand     Cloud  CompuMng  for     Medical  Imaging  
  9. 9. VOXCELL  DEMO   .   !  Bullet   ‒  Sub-­‐bullet   ‒  TerDary  Bullet   9   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  10. 10. VoXcell®  Cloud   Technical  Detail  
  11. 11. DIFFERENTIATED  APPROACH  :  GPU  CLOUD   GPU  CLOUD  BENEFITS   GPU  :  1100  GFLOPS   Real-­‐Dme  diagnosDc  quality  visualizaDons   •   On-­‐demand  and  real-­‐Dme  radiology   •   IntuiDve  results  for  ordering  physicians     •   Connect  with  paDents     CPU  :  90  GFLOPS   11   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL   Faster  and  Affordable  CAD  and  ‘Big  Data’  AnalyDcs   •   Improve  accuracy   •   Less  radiaDon  to  paDents  by  reducing  unnecessary  use  of  imaging   •   Streamline  healthcare  and  reduce  costs  
  12. 12. DIFFERENTIATED  APPROACH  :  GPU  CLOUD   HIGH  DEFINITION  VISUALIZATION   " CPU  Ray  CasDng     (Compromise  Quality  for  Speed)   12   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL   " VoXcell  GPU  Pre-­‐integrated  Texturing  
  13. 13. DIFFERENTIATED  APPROACH  :  GPU  CLOUD   HIGH  DEFINITION  VISUALIZATION   " CPU  Ray  CasDng     (Compromise  Quality  for  Speed)   " VoXcell  GPU  Pre-­‐integrated  Texturing   " Real-­‐Dme  performance  requires  early  ray   terminaDon  once  opacity  is  reached  (25%)   !  results  in  hard  plasDc  looking  surfaces.   Transparent  surfaces  degrades  performance.   " Real-­‐Dme  performance  achieved  through   texture  mapping  polygons  !  results  in   soTer,  more  realisDc  surfaces  that  includes   interior  points.  Enables  transparent  surfaces   13   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  14. 14. DIFFERENTIATED  APPROACH  :  GPU  CLOUD   PREDICTIVE  INTELLIGENT  STREAMING  OVERCOMES  LARGE  DATA  ACCESS  SPEED  AND  LATENCY  OVER  INTERNET     " Use  GPU  to  manipulate  GB  of  paDent  data  remotely  without  transmiqng  data  to  end  user   " Access  visualizaDons  on  any  device  on-­‐demand  and  real-­‐Dme   " Streaming  visualizaDons  done  by  predicDng  next  frames   " Fast  FPS  from  GPU  enable  discarding  incorrectly  predicted  frames  and  generaDng  new  ones   " Predicted  frames  are  buffered  to  client  overcoming  latency   14   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  15. 15. DIFFERENTIATED  APPROACH  :  GPU  CLOUD   ARTIFICIAL  INTELLIGENCE  LEADS  TO  INTELLIGENT  VISUALIZATIONS®   " Pasern  RecogniDon  Using  ArDficial  Neural  Network   " HeurisDc  Search  Using  GeneDc  Algorithm   CPU  :  500s   GPU  :  10s   15K  Paserns   " Uses:     " Computer  Aided  Diagnosis    through  IntuiDve  VisualizaDons   " Cancer  or  Tumor  DetecDon   " SegmenDng  Body  Parts   " Intelligent  VisualizaDon®  R&D  ParDally  Funded  by  NaDonal  Science  FoundaDon   15   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL   GPU  is  3000x   over  CPU  
  16. 16. IP  SUMMARY  :  SUPERCOMPUTING  CLOUD   COMPARISON   Legacy  PACS   ConvenMonal  Cloud   KJAYA’s  SupercompuMng  Cloud  PlaVorm   Transmits  raw  scans  to  end  users   Streams  visualizaDon  on  demand   Compromises  raw  scan  for  faster  transmission   •   Not  fit  for  diagnosis   •   Computer  Aided  Diagnosis  (CAD)  inaccuracy   HD  quality  without  transmiqng  raw  scan   •   FDA  510K  cleared  primary  diagnosDc  use   •   ArDficial  Intelligence  CAD  on  gaming  technology   Storage  servers  cannot  manipulate  or  analyze  large  data  –  not  scalable   Graphics  processors  for  large  scan  manipulaDon  and  analyDcs   Powerful  PC  workstaDon  to  run  clinical  app   Clinical  apps  run  on  any  device   CAD  lack  breadth  of  data  and  processing  power   CAD  on  vast  historical  and  powerful  processors  using  arDficial   intelligence  algorithms  on  GPU   Tools  limited  by  vendor  capability   Flexible  toolkit  >  App  store  for  medical  imaging   No  barriers  to  entry   Filed  patents  since  2009   16   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  17. 17. IP  :  PATENT  PENDING  PLATFORM   PATENT  APPLICATIONS   I.  Secure  Cloud  SupercompuMng  based  Medical  Imaging  System     PCT/US2010/036355  for  “Method  and  System  for  Fast  Access  to  Advanced   VisualizaDon  of  Medical  Scans  Using  a  Dedicated  Web  Portal”   II.  Hybrid  Cloud  for  Medical  Imaging   61/514,295  for  “Method  and  System  for  Fast  Access  to  Advanced   VisualizaDon  of  Medical  Scans  Using  Hybrid  Local  and  Dedicated  Web  Portal”   III.  A  Scalable  Architecture  to  handle  large  amounts  of  data  and  users   11/672,581  for  "Method  and    System  for  Processing  a  Volume  VisualizaDon   Dataset   IV.  ArMficial  Intelligence  on  GPU  for  3D  and  Computer  Aided  DetecMon   PCT/US11/45047  for  “AdapDve    VisualizaDon  for  Direct  Physician  Use”     V.  Patent  Firm:  DeLio  &  Peterson,  New  Haven,  CT   (near  Yale  University)   17   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  18. 18. COMPETITIVE  LANDSCAPE   PACS     RIS   Intelligent   VisualizaDons®  (AI)   3D    on  any  PC   4D    on  any  PC   Image  Sharing   Archive  &  Disaster   Recovery   DiagnosDc  Quality   over  Internet   FDA  Cleared   PredicDve   Streaming  (not   downloading)   MulD  data  center   SupercompuDng   plalorm   .   KJAYA     Y   Y   Y   Y   Y   Y   Y   Y   Y   Y   Y   Y   CareStream     Y   Y   N   N   N   ?   Y   N   Y   N   Y   N   TeraRecon*1   N   N   N   Y   N   N   N   ?   Y   N   N   N   Shina*1  on  Amazon  Cloud   N   N   N   Y   N   N   N   N   Y   N   Y   N   vRAD   Y   N   N   N   N   N   Y   N   Y   N   Y   N   DICOM  Grid     Y   N   N   N   N   Y   Y   N   N   N   N   N   LifeImage*1     N   N   N   N   N   Y   N   N   N   N   N   N   AccelaRad     Y   N   N   N   N   Y   N   N   N   N   N   N   InsiteOne*1     N   N   N   N   N   N   Y   N   N   N   Y   N   BRIT   Y   Y   N   N   N   N   N   N   Y   N   N   N   MedWeb   Y   Y   N   N   N   N   N   N   Y   N   N   N   secureRAD     Y   N   N   N   N   N   ?   N   ?   N   N   N   ScImage     Y   N   N   N   N   N   ?   N   ?   N   N   N   NCS   Y   Y   N   N   N   N   ?   N   Y   N   N   N   18   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  19. 19. INDUSTRY  INSIDER   RECOGNITIONS   "Most  cloud-­‐compuDng  services  don’t  offer  diagnosDc-­‐quality  images,  and  the  ones   that  do  typically  feature  lag  Dme,  slowing  the  process.  The  ability  to  quickly  process   and  transmit  diagnosDc-­‐level  images  sets  KJAYA  apart  in  this  regard."     Christopher  Gaerig,     Imaging  Economics   “Today’s  medical  environment  demands  efficient,  cost-­‐effecDve  workflow  and   VoXcell  delivers  the  tools  that  can  empower  faster  and  more  accurate  diagnosis   within  an  extremely  affordable  fee  structure."     Frost  &  Sullivan       “These  are  ambiDous  companies,  with  highly  innovaDve  products  and  business   development  strategies  that  will  enable  them  to  carve  out  a  place  in  global  markets....”     KJAYA’s  INVESTOR:  Enterprise  Ireland   19   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  20. 20. VOXCELL  CLOUD   IMPLEMENTATION  
  21. 21. CLUSTER  COMPONENTS   BIG  DATA  CLUSTER   A  Node   24  TB  Storage   5  TFLOPS    AMD  GPU   2  CPU   Up  to  192GB  Memory   90,000  IOPS   Two  Nodes   48  TB  Storage   2  AMD  GPU  (10,000  GFLOPS)   4  CPU  (360  GFLOPS)   Up  to  384GB  Memory   180,000  IOPS   21   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  22. 22. CONTENT  HEADER   CONTENT  SUBHEADER   !  Bullet   ‒  Sub-­‐bullet   ‒  TerDary  Bullet   22   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  23. 23. APU:     Natural   Progression  
  24. 24. ARCHITECTURAL  COMPARISON   " CPU+GPU=APU   CPU  VERSUS  HYBRID  CLOUD   ConvenDonal   DiagnosMc   KJAYA’s  VoXcell®  Cloud   Non-­‐  DiagnosMc    " Not    on                                                            " On                              Access                                                   demand   demand   DiagnosMc   " On   demand   Cloud   Cloud   CPU                                                                                                                                            Process   CPU   GPU                                                                                                                                                Data   RelaDonal  Database   Storage     24   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL   Big  Data  Clusters  
  25. 25. WHY  APU?   REDUCED  POWER  CONSUMPTION   CPU   GPU   " 5A     " Mostly  dissipated  as  heat     !  VS   25   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  26. 26. WHY  APU?   MANAGE  EVER-­‐EXPANDING  VOLUMES  OF  MEDICAL  IMAGING  DATA   26   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  27. 27. WHY  APU  WITH  HSA?   HETEROGENEOUS  UNIFORM  MEMORY  ACCESS  (HUMA)   27   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  28. 28. HUMA  USAGE  IN  GPU  BASED  VOLUME  RENDERING   PRE-­‐COMPUTED  CLASSIFICATION  VOLUME   " Intensity   28   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL   " {Bone,  Tissue,    Air}  
  29. 29. GPU  BASED  MULTIDIMENSIONAL  TRANFER  FUNCTION  VOLUME  RENDERING   USING  PRE-­‐COMPUTED  CLASSIFICATION  VOLUME   29   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  
  30. 30. DISCLAIMER  &  ATTRIBUTION   The  informaDon  presented  in  this  document  is  for  informaDonal  purposes  only  and  may  contain  technical  inaccuracies,  omissions  and  typographical  errors.     The  informaDon  contained  herein  is  subject  to  change  and  may  be  rendered  inaccurate  for  many  reasons,  including  but  not  limited  to  product  and  roadmap   changes,  component  and  motherboard  version  changes,  new  model  and/or  product  releases,  product  differences  between  differing  manufacturers,  soTware   changes,  BIOS  flashes,  firmware  upgrades,  or  the  like.  AMD  assumes  no  obligaDon  to  update  or  otherwise  correct  or  revise  this  informaDon.  However,  AMD   reserves  the  right  to  revise  this  informaDon  and  to  make  changes  from  Dme  to  Dme  to  the  content  hereof  without  obligaDon  of  AMD  to  noDfy  any  person  of   such  revisions  or  changes.     AMD  MAKES  NO  REPRESENTATIONS  OR  WARRANTIES  WITH  RESPECT  TO  THE  CONTENTS  HEREOF  AND  ASSUMES  NO  RESPONSIBILITY  FOR  ANY   INACCURACIES,  ERRORS  OR  OMISSIONS  THAT  MAY  APPEAR  IN  THIS  INFORMATION.     AMD  SPECIFICALLY  DISCLAIMS  ANY  IMPLIED  WARRANTIES  OF  MERCHANTABILITY  OR  FITNESS  FOR  ANY  PARTICULAR  PURPOSE.  IN  NO  EVENT  WILL  AMD  BE   LIABLE  TO  ANY  PERSON  FOR  ANY  DIRECT,  INDIRECT,  SPECIAL  OR  OTHER  CONSEQUENTIAL  DAMAGES  ARISING  FROM  THE  USE  OF  ANY  INFORMATION   CONTAINED  HEREIN,  EVEN  IF  AMD  IS  EXPRESSLY  ADVISED  OF  THE  POSSIBILITY  OF  SUCH  DAMAGES.     ATTRIBUTION   ©  2013  Advanced  Micro  Devices,  Inc.  All  rights  reserved.  AMD,  the  AMD  Arrow  logo  and  combinaDons  thereof  are  trademarks  of  Advanced  Micro  Devices,   Inc.  in  the  United  States  and/or  other  jurisdicDons.    SPEC    is  a  registered  trademark  of  the  Standard  Performance  EvaluaDon  CorporaDon  (SPEC).  Other   names  are  for  informaDonal  purposes  only  and  may  be  trademarks  of  their  respecDve  owners.   30   |      PRESENTATION  TITLE      |      November  22,  2013      |      CONFIDENTIAL  

×