編輯手札：此為介紹 NVIDIA 2016 全球影響力大獎五名決賽入圍者系列文章之一。NVIDIA 將頒發15萬美元給運用 NVIDIA 技術，在解決社會、人道與環境問題方面有突破性進展的研究人員。
碰撞、重擊、猛烈的攻擊都會造成創傷性腦損傷，而這迅速變成一項公眾衛生所關注的問題。
倫敦帝國學院的研究人員採用以 GPU 和深度學習技術為基礎的精密影像分析工具，以協助診斷大腦這個人體裡最為複雜的器官裡所出現的損傷情況。
由倫敦帝國學院計算機學系講師 Ben Glocker 所帶領的一支研究團隊，將研究重心放在各種運算方法上。他們開發出的系統利用豐富的生醫掃描資料，對創傷性腦損傷的影像提供自動化的評估內容，評估速度之快遠遠超級其它系統。
這項成就使得 Glocker 及其團隊成為 NVIDIA 2016 全球影響力大獎五位決賽入圍者之一。NVIDIA 將頒發15萬美元給運用 NVIDIA 技術，在解決社會、人道與環境問題方面有突破性進展的研究人員。
腦部分割畫面顯示損傷區域。
快速的回應時間
每年有數百萬人遭受創傷性腦損傷，其中多數未對生命造成威脅，但損及腦部正常機能的情況皆會引發精神異常或情緒方面的問題，像是推理能力受損或憂鬱症，而對終生造成結果尚未明朗。
千奇百怪的損傷情況讓醫界難以對症下藥，當下正確急救是挽救病患的關鍵，這是 Glocker 在德國履行其公務員資格、擔任救護車駕駛時親眼所見到的情況。
Glocker 說：「醫師需要看到器官和腦部的情況，按照急診室裡的影像來做出決定。我們用運用電腦運算技術來讓醫師掌握更多資訊，以便做出最適合的決定。」
尋找蛛絲馬跡
Glocker 團隊裡的博士班學生 Konstantinos Kamnitsas 等人使用電腦視覺裡最成功的深度學習技術類型之一，也就是卷積神經網路來研發他們的影像分析技術，在影像上套用數千種濾鏡以尋找損傷的蛛絲馬跡。
倫敦帝國學院的研究團隊將這些 GPU 加速運算工具用在 3D 醫學掃描影像上，採用具備 cuDNN 能力、稱為「Theano」的 Python 函式庫來開發這項需要運用大量運算資源的腦部損傷分割法，充分運用 CUDA 加速運算能力和 NVIDIA 的最新技術。
腦部分割畫面顯示損傷區域。
團隊運用多張 GeForce GTX 繪圖卡的延伸記憶體，得以在更廣大的網路上進行實驗。日前在研究室裡部署 16 具 NVIDIA Tesla K80 GPU 加速器叢集便大幅提升了處理速度。
Glocker 說：「GPU 能高速有效率地運行演算法，有了正確的硬體基礎架構讓影像分析工作事半功倍，少了這些 GPU 我們便達不到這些成果。使用 GPU 來分析一顆大腦的掃描影像只要兩分鐘，沒用 GPU 的話就得耗上漫長的時間。」
結果就是對創傷性腦損傷相關的腦部損傷影像，建立起自動化偵測和分割的作業管道，而其表現優於現有的尖端影像分割系統。這支團隊與研究單位和醫療院所合作，他們的研究成果能加快醫療影像在臨床研究方面的腳步，立即就能對於診斷和治療有所影響。
劍橋大學麻醉科主任 David Menon 教授表示，Glocker 及其團隊的成就「對於運用 MRI 來發展和提供創傷性腦損傷的治療方式，建立起典範移轉的貢獻。」
團隊發現他們的方法可用在中風和腦瘤患者身上，也可用於心臟及胎兒影像上。
4 月 4 – 7 日於矽谷舉行的 GPU 科技大會上將宣布 2016 年全球影響力大獎得主。
其他 2016 年全球影響力大獎提名者
全球影響力：GPU 如何協助眼部外科醫師在手術房裡擁有 1.0 的視力
全球影響力：海地大地震如何啟發運用 GPU 來測量結構安全的新方法
瞭解去年 NVIDIA 全球影響力大獎得主的不凡成就。