MONAI 是一個特定領域的開源醫學成像人工智能框架，推動研究突破并加速人工智能進入臨床影響，目前已被 100 多萬數據科學家、開發人員、研究人員和臨床醫生下載。 100 萬大關代表著人工智能醫療開放網絡的一個重要里程碑，該網絡在去年推動了許多研究突破，并引入了新的開發工具。
最值得注意的是 Auto3DSeg ，這是一個低代碼框架。它使數據科學家和任何技能的研究人員都能夠訓練模型，在 CT 和 MRI 等 3D 成像模式中快速分割感興趣的區域。 MONAI 社區的研究人員在許多細分比賽中使用 Auto3DSeg 排名第一，如 MICCAI INSTANCE22 和 HECKTOR22 挑戰賽。
Swin UNETR 是 MONAI 社區的另一項研究突破，是由范德比爾特大學和 NVIDIA 的作者共同完成的 published in CVPR 。 Swim UNETR 是一個最先進的、基于 3D transformer 的模型，具有自我監督的預訓練。
超過 700 GitHub projects 是基于今天的 MONAI 。隨著 MONAI 1.0 于 2022 年 9 月發布，您現在可以在 MONAI Model Zoo 中訪問 21 個領先的醫學成像模型，用于 MRI 分割、乳腺密度分類和病理腫瘤檢測等任務。
去年， MONAI Label expanded into the field of pathology 。用于注釋病理圖像的新功能、示例應用程序和查看器集成為病理學家和數據科學家共同利用深度學習的優勢創造了一個起點。
“ MONAI 將使病理學家和科學家能夠在不了解人工智能的情況下建立準確的模型。這是使人工智能成為病理學研究通用工具的重要一步。” 說 Lee A.D.Cooper ，博士，西北大學范伯格醫學院病理學副教授兼計算病理學主任。
視頻 1 。病理學圖像標簽進入 MONAI
使用 MONAI 在診所部署人工智能，每個云都支持
世界各地的許多醫療機構、學術醫療中心和人工智能初創公司已經開始使用 MONAI 應用程序包（ MAP ）在臨床環境中部署。其中包括辛辛那提兒童醫院、英國國家衛生服務局、 Qure.ai 、 SimBioSys 和舊金山加利福尼亞大學。
使用 MONAI Deploy ，您可以在 20 分鐘內完成一個或多個經過訓練的模型和 build an application with a few lines of code 。
MAP 是使用云原生技術設計的，并得到領先的云服務提供商的支持：
- Amazon HealthLake Imaging
- Google Cloud
- Nuance Precision Imaging Network powered by Microsoft Azure
- Oracle Cloud Infrastructure
生成人工智能的新領域
生成人工智能是一種強大的技術，可以創建與現有數據類似的新數據。在醫學成像中，生成人工智能在創建合成圖像以增強有限的數據集同時保護患者隱私方面具有難以置信的價值。
通過將生成人工智能的力量與 MONAI 的能力相結合，研究人員和開發人員可以為醫療設備公司、制藥公司和學術醫療中心釋放醫療成像創新的新機會。這將導致更快的發現和改善患者的預后。
有關更多信息，請參閱 GitHub 上的新 Generative AI repo for Project MONAI 。
如何開始使用 MONAI
要開始使用 MONAI ，請訪問 monai.io 并探索醫療人工智能工作流程的三個關鍵框架： MONAI Label 、 Core 和 Deploy 。
一個學習 MONAI 要點并開始為醫療人工智能項目生命周期開發的好地方是 MONAI Bootcamp 。您可以從 MONAI 2023 Bootcamp on YouTube 訪問所有 12 個會話。
NVIDIA GTC 2023 為各級 MONAI 開發人員舉辦了多次講座、座談會和培訓實驗室。免費注冊和 add sessions to your calendar today 。
?
