AI 越來越多地用于改善醫學成像，以進行健康篩查和風險評估。例如，醫學影像分割可為腫瘤檢測和治療規劃提供重要數據。然而，醫學影像的獨特性和多樣性使得實現一致、可靠的結果具有挑戰性。
NVIDIA MONAI Cloud API 幫助解決這些挑戰，簡化了平臺集成商的 AI 功能和基礎設施設置之旅。本文介紹了 NVIDIA MONAI Cloud API、VISTA-3D 和 Auto3DSeg，并解釋了如何同時使用它們來實現自適應 3D 醫學成像。
NVIDIA MONAI Cloud API 可提供低延遲、交互式且經濟高效的 AI 輔助標注工作流。借助持續學習機制，該模型可適應新的真實數據，使其能夠隨著時間的推移保持相關性和可靠性。
使用 VISTA-3D 進行交互式標注
VISTA-3D 基于大量數據集進行訓練，是用于 3D 醫學成像的專用交互式基礎模型。VISTA – 3D 為 NVIDIA MONAI Cloud API 交互式注釋提供支持，可跨解剖結構和模式提供準確且適應性強的分割分析。它可以處理各種任務，并適應不同的條件和解剖區域。這種通用性降低了成本并加快了 AI 成像工作流程，而無需復雜的模型選擇和適應性。
在醫學影像標注領域，VISTA-3D 代表了一種變革性的方法。通過融合語義分割和交互性，它彌合了 AI 與人類專家(例如，生物成像科學家和放射科醫生)之間的差距。VISTA – 3D 為這些專業人士提供了一個不斷發展的 AI 模型，可確保高精度和易用性。
VISTA-3D 的核心是三個適應性強、用戶友好型工作流程：
- 分割所有內容：對整個圖像進行探索有助于了解影響多個器官的疾病或進行整體治療規劃。
- 使用類別進行分割：詳細的剖面視圖可以按特定類別進行篩選，用于針對特定疾病或器官的定向分析；這對于繪制器官腫瘤圖非常重要。
- Segment Point 提示：用戶可以通過單擊選擇感興趣的區域，進行反饋引導的圖像分割，這樣不僅提高了準確性，也能更快地創建真值數據。
得益于交互式系統和自動系統的融合，VISTA-3D 架構的平均子得分約為 0.91，令人印象深刻。這種基礎靈活性使用戶能夠根據任務快速定制模型。
使用 Auto3DSeg 進行 AI 模型訓練
基于MONAI 的 Auto3DSeg 由先進的 GPU 支持，為開發者提供了實現頂尖 3D 醫學影像分割的工具。Auto3DSeg 的計算效率已經過優化，確保了快速訓練，同時最大化了 GPU 的計算潛能。
Auto3DSeg 利用 MONAI 組件實現了先進的分割性能。一個MONAI 捆綁包提供了更加個性化的解決方案。MONAI 捆綁包定義了一種打包網絡或模型的方式，其中包含了用戶和程序了解模型使用方法和用途所需的全部信息。您可以將自己的 MONAI 捆綁包用于訓練，并充分利用其強大且可擴展的訓練基礎設施。
獲得標注數據后，請使用自定義模型訓練或 Auto3DSeg 來優化模型開發體驗。
訓練的關鍵在于靈活性 – 帶上您獨有的 MONAI 捆綁包，并在 NVIDIA MONAI Cloud API 平臺上輕松查看訓練規模。
如果您的目標是實現自動化，Auto3DSeg 就是您的答案。Auto3DSeg 專為開發者而設計，具有以下創新功能：
- 數據驅動的模型選擇：Auto3DSeg 提供了智能化的自動選擇功能。通過分析帶有標注的成像數據集，Auto3DSeg 能夠自動選擇并調整最適合的模型架構。這確保了模型的性能專門針對您的數據進行了優化。
- 簡化開發周期：Auto3DSeg 大大簡化了開發周期。它通過整合自動并行訓練和超參數優化來降低復雜性，加快了從數據集分析到創建部署就緒型模型的整個過程，節省了時間和資源。
- 經過驗證的先進分割性能：Auto3DSeg 在多個分割挑戰賽中屢獲殊榮，尤其在 MICCAI 主辦的 BraTS 2023、KiTS 2023、SEG.A 2023 和 MVSEG 2023 等比賽中拔得頭籌。
總結
致力于醫學影像領域創新的平臺集成商可以充分利用 NVIDIA MONAI Cloud API 的功能，加速其醫學影像 AI 模型的開發。這種方法可以減少運營開銷，并以簡化的方式立即獲得加速計算和 AI 功能。
要探索 VISTA-3D、自定義模型訓練和 Auto3DSeg，請注冊搶先體驗計劃。要試用 VISTA-3D，請訪問NVIDIA AI 基礎模型，將于 11 月 27 日開始。
?
