Produkt- und Leistungsinformationen

1„Medical Imaging Market Analysis, Size, Trends“, MedSuite, 2016, https://idataresearch.com/product/medical-imaging-market-united-states/.
2

Lungenknotenerkennung durch CT-Scan mithilfe von Intel® Prozessoren, QuEST Global Whitepaper, builders.intel.com/docs/aibuilders/lung-nodule-detection-from-ct-scan-using-intel-processors.pdf.

3

GE Healthcare’s AIRx™ Tool Accelerates Magnetic Resonance Imaging using Intel® AI Technologies, Intel White Paper, intel.com/content/www/us/en/artificial-intelligence/solutions/gehc-airx.html.

4

„Intel und GE Healthcare kooperieren, um KI im Bereich der medizinischen Bildgebung voranzutreiben“, Intel Customer Spotlight, https://www.intel.de/content/www/de/de/customer-spotlight/stories/ge-healthcare-medical-imaging.html.

5Unter Umständen können Intels Compiler bei Optimierungen, die nicht spezifisch für Mikroprozessoren von Intel® sind, auch bei Mikroprozessoren anderer Hersteller denselben Optimierungsgrad erzielen. Zu diesen Optimierungen gehören Befehlssätze für SSE2, SSE3 und SSSE3 sowie weitere Optimierungen. Intel übernimmt keine Garantie für die Verfügbarkeit, Funktionalität oder Wirksamkeit von Optimierungen für Mikroprozessoren, die nicht von Intel hergestellt wurden. Mikroprozessorabhängige Optimierungen in diesem Produkt sind für die Anwendung in Verbindung mit Intel® Mikroprozessoren bestimmt. Bestimmte, nicht für die Intel® Mikroarchitektur spezifische Optimierungen sind Intel® Mikroprozessoren vorbehalten. Entnehmen Sie weitere Informationen zu den spezifischen Befehlssätzen, auf die dieser Hinweis zutrifft, bitte den entsprechenden Benutzer- und Referenzhandbüchern.
6Systemkonfiguration für Test: Intel® Core™ i5-4590S CPU mit 3,00 GHz, x86_64, VT-x aktiviert, 16 GB Arbeitsspeicher, Betriebssystem: Linux magic x86_64 GNU/Linux, Ubuntu 16.04, Docker-Container für Inferenzdienst. Getestet durch GE Healthcare, September 2018. Der Test vergleicht die mit dem TensorFlow-Modell gemessene Gesamtinferenzzeit von 3,092 Sekunden mit demselben Modell, das mit der Intel® Distribution des OpenVINO™ Toolkits optimiert wurde und eine Gesamtinferenzzeit von 0,913 Sekunden erzielte.