针对医疗领域进行优化的开源框架MONAI(Medical Open Network for AI)即将发布用於人工智慧(AI)医疗与生命科学的NVIDIA Clara应用程式框架,MONAI现已准备投入生产。
|
针对医疗领域进行优化的开源框架MONAI |
MONAI是一个以PyTorch为基础的框架,於今年4月推出,目前已有多家顶尖的医疗研究机构采用,包括德国癌症研究中心(DKFZ)、伦敦国王学院(King’s College London)、麻省总医院(Mass General)、史丹佛大学(Stanford)与范德堡大学(Vanderbilt)。
该架构透过处理特定产业资料、高效训练工作流程,且可复制先进方法的叁考实施(reference implementation),促进医学影像AI技术发展。
NVIDIA表示,MONAI作为最新Clara产品的一部分,将提供超过二十个预先训练的模型,包括最近为新冠肺炎(COVID-19)开发的模型,以及在NVIDIA DGX A100 GPU上完成的最新训练优化项目,可将训练处理时间提升6倍。
麻省总医院Athinoula A. Martinos生物医学影像中心QTIM实验室主任Jayashree Kalpathy-Cramer博士表示:「MONAI将成为医疗领域的PyTorch,为资料科学家与临床医生间更紧密的合作奠定基础。全球多个领域采用MONAI,将促进由联合学习(联邦学习)带动的全球性合作。」
范德堡大学的Bennett Landman博士表示:「MONAI迅速成为医疗领域首选的深度学习框架。将此框架从研究移至生产,对於将人工智慧应用整合至临床照护而言至关重要。NVIDIA致力於推动社区内科学的发展,让学术界能为这个已准备好投入生产的框架做出贡献,将有助於创造更多创新项目,打造适合企业使用的功能。」
MONAI获各领域采用,从影像赛事到九月时首次举行以MONAI框架为主的训练营,吸引来自40国、超过550人报名叁加。
NVIDIA Clara最新版本 推进MONAI创新突破
NVIDIA Clara为MONAI开发社群带来AI辅助标注机制(AI-assisted annotation;AIAA)、联合学习和生产部署方面最新的突破性进展。
NVIDIA Clara的最新版本为AI辅助标注机制新增了一个能改写游戏规则的功能,让放射科医生在使用名为DeepGrow 3D的全新模型时,只要十分之一的点击次数,就能完成标注复杂的3D电脑断层扫描(CT)资料。
过去传统按照每张照片或每张切片来分割器官或病灶影像,最多要点击250次,才能完成肝脏等大型器官的分割标注现在使用者仅需几次点击便能完成。
NVIDIA Clara的AI辅助标注机制工具与全新的DeepGrow 3D功能,整合至Fovia Ai的F.A.S.T. AI Annotation软体後,可用於标注训练资料,并协助放射科医生阅读资料。Fovia提供的XStream HDVR SDK套件可用於检视DICOM影像,该套件已整合至PACS检视器中。
AI辅助标注机制是解锁放射学丰富资料集的关键,最近被用於标注美国国家卫生研究院(NIH)癌症影像档案馆公开发布的COVID-19 CT影像资料集,这些标注好的资料集随後被用於由MICCAI支持的COVID-19肺部CT影像病灶分割挑战赛中。
Clara联合学习近期促成全球二十间医院携手进行研究,并为COVID-19患者开发一个通用的AI模型,能在NGC软体注册表上取得用来预测COVID-19患者氧气需求的EXAM模型,现正於纽约Mount Sinai Health System、巴西Diagnosticos da America SA、英国国家卫生研究院(NIHR)剑桥生物医学研究中心以及美国国家卫生研究院进行临床验证评估。
史丹佛大学生物医学资料科学、放射学与医学系教授Daniel Rubin博士表示:「MONAI软体框架为训练与评估影像深度学习模型提供了关键要素,其开源的作法也培养出一个不断扩大的社群,提出许多像是联合学习等令人兴奋的进展。」
MONAI加乘NVIDIA Clara生态系 提升数位病理应用综效
NVIDIA将把NVIDIA Clara框架扩大用於数位病理应用。庞大的尺寸影像会让现成的开源AI应用程式无法运作,因此,Clara针对病理学的早期试用方案,提供用於训练和部署AI应用程式的叁考管道。
伦敦国王学院医疗影像与人工智慧中心,负责Value-Based Healthcare计画的技术长Jorge Cardoso 表示:「医疗资料互通性、模型部署与临床路径整合是一个日益复杂且密不可分的话题,其中又包含针对特定领域的专业知识。MONAI加上NVIDIA Clara生态系的其他部分,将共同提升患者照护品质,并协助医院获得最隹经营成效。」