醫學影像 – NVIDIA 技術博客 http://www.open-lab.net/zh-cn/blog 閱讀開發者創建的最新技術信息、頭條新聞 和內容。 Wed, 12 Mar 2025 06:39:52 +0000 zh-CN hourly 1 196178272 借助 Databricks Pixels 2.0 和 MONAI 加速醫學影像 AI 運營 http://www.open-lab.net/zh-cn/blog/accelerate-medical-imaging-ai-operations-with-databricks-pixels-2-0-and-monai/ Fri, 28 Feb 2025 06:32:31 +0000 http://www.open-lab.net/zh-cn/blog/?p=13152 Continued]]> 根據世界衛生組織(WHO)的數據,全球每年都會進行 36 億次醫學影像檢查,以診斷、監測和治療各種疾病。大多數圖像都存儲在全球公認的標準 DICOM(Digital Imaging and Communications in Medicine)中。DICOM 格式的成像研究結合了非結構化圖像和結構化元數據。 數據倉庫等典型的數據管理系統無法適應非結構化數據類型。此外,數據湖無法對元數據進行分類和存儲,而元數據對于搜索、治理和這些影像檢查的可訪問性至關重要。Databricks Pixels 0.6 于 2021 年開發,通過提供可擴展的環境解決了許多此類挑戰,您可以從中提取、管理和編錄 Databricks Data Intelligence Platform 中的所有醫學影像數據。 現在,借助 Databricks Pixels 2.0 解決方案加速器,

Source

]]>
13152
AI 基礎模型增強癌癥診斷并實現個性化治療 http://www.open-lab.net/zh-cn/blog/ai-foundation-model-enhances-cancer-diagnosis-and-tailors-treatment/ Tue, 04 Feb 2025 04:44:52 +0000 http://www.open-lab.net/zh-cn/blog/?p=12883 Continued]]> 斯坦福大學研究人員的一項新研究和 AI 模型正在簡化癌癥診斷、治療規劃和預后預測。這項名為 MUSK (Multimodal transformer with Unified maSKed modeling) 的研究旨在提高精準腫瘤學,根據每位患者獨特的醫療數據為其定制治療計劃。 “多模態基礎模型是醫學 AI 研究的新領域,”放射腫瘤學副教授兼研究高級作者 Ruijiang LI 說。“最近,我們為醫學領域開發了視覺語言基礎模型,尤其是在病理學領域。但是,現有研究使用的現有基礎模型需要配對的圖像 – 文本數據進行預訓練。盡管我們付出了大量努力,最終打造出 1M 病理圖像文本對,但它仍然不足以完全捕捉整個疾病譜系的多樣性。” 在考慮患者狀況和規劃最佳治療方案時,腫瘤科醫生依靠多種數據源。然而,醫生和 AI 模型仍然難以集成和解釋復雜的醫療數據。

Source

]]>
12883
脊柱健康診斷通過深度學習實現自動化 http://www.open-lab.net/zh-cn/blog/spinal-health-diagnostics-gets-deep-learning-automation/ Wed, 22 Jan 2025 05:54:17 +0000 http://www.open-lab.net/zh-cn/blog/?p=12929 Continued]]> 先進的深度學習模型可自動執行 X 光分析,以實現更快、更準確的評估,從而改變脊柱健康診斷方式。這項研究甚至能夠處理復雜的病例,有望幫助醫生節省時間、減少診斷錯誤,并改進針對脊柱側凸和脊柱后凸等脊柱疾病患者的治療計劃。 “盡管脊骨髓對齊分析提供了前景光明的見解,但目前的研究依賴于相對較小的患者隊列。自動標注可以分析更大的隊列,從而更好地了解和更清晰地識別現有趨勢。基于 AI 的方法可以補充人類評級員,以提高評估的一致性,” ETH Zurich 生物力學研究所的博士生 Moritz Jokeit 說。 重塑脊柱診斷 作為最常見的脊柱疾病,美國約有 7M 人被診斷為脊柱側凸,全球約有 3% 的患者被診斷為脊柱側凸。該疾病和其他脊柱不對齊問題通常會引起痛楚、限制活動能力,并導致健康并發癥 (如呼吸系統問題),從而降低人們的生活質量。 準確的診斷和監控是有效治療患者的關鍵,但是,

Source

]]>
12929
MONAI 成立 5 周年,慶祝開放科學和企業 AI 創新 http://www.open-lab.net/zh-cn/blog/celebrating-open-science-and-enterprise-ai-innovation-on-monais-5th-anniversary/ Thu, 05 Dec 2024 07:01:30 +0000 http://www.open-lab.net/zh-cn/blog/?p=12392 Continued]]> 值此 MONAI 成立五周年之際,我們見證了開放式醫療 AI 愿景與生產就緒型企業解決方案的融合。 此公告帶來兩項激動人心的進展:MONAI Core v1.4 的發布 (擴展了開源功能),以及 VISTA-3D 和 MAISI 作為 NVIDIA NIM 微服務的全面推出。這一雙重版本反映了我們對研究社區和臨床部署的承諾。 MONAI 的發展歷程非常了不起,下載量超過 350 萬次,發表的論文超過 1000 篇,展示了 MONAI 對醫學 AI 研究的影響。 最初是 NVIDIA 與倫敦國王學院的合作,現已發展成為一個充滿活力的生態系統,并得到了全球領先機構的支持。GSK、DKFZ、Bristol Myers Squibb、Alara、Quantiphi、Dataiku 和 Newton’s Tree 等組織貢獻了寶貴的專業知識和資源,

Source

]]>
12392
深度學習 AI 模型無需手術即可檢測乳腺癌擴散 http://www.open-lab.net/zh-cn/blog/deep-learning-ai-model-identifies-breast-cancer-spread-without-surgery/ Thu, 31 Oct 2024 09:29:44 +0000 http://www.open-lab.net/zh-cn/blog/?p=11849 Continued]]> 在診斷癌細胞是否擴散(包括擴散到附近的淋巴結)時, 新的深度學習模型 可以減少對手術的需求(也稱為轉移)。該 AI 工具由德克薩斯大學西南醫學中心的研究人員開發,通過分析 MRI 和臨床數據的時間序列來識別轉移,從而為醫生制定治療計劃提供關鍵的非侵入性支持。這一進步有助于更及時、更準確地進行癌癥評估,幫助許多患者避免不必要的手術并改善治療效果。 大多數與乳腺癌相關的死亡病例都是由轉移性乳腺癌引起的。在美國,大約三分之一被診斷患有早期乳腺癌的女性會發展為轉移性癌癥。然而,早期發現和治療可以減緩疾病進展,幫助醫生和患者管理癥狀,并最大限度地提高治療效果。 在檢查癌癥是否已擴散到淋巴結時,醫生通常依靠哨點淋巴結活檢(SLNB)。該過程包括在癌癥部位附近注射染料和放射性溶液,以識別先流入腫瘤區域的哨點淋巴結。然后,這些結節被手術切除并進行活檢。如果在哨點淋巴結中發現癌細胞,

Source

]]>
11849
AI 醫學影像模型實現快速高效的專家級圖像分析 http://www.open-lab.net/zh-cn/blog/ai-medical-imagery-model-offers-fast-cost-efficient-expert-analysis/ Thu, 17 Oct 2024 06:15:30 +0000 http://www.open-lab.net/zh-cn/blog/?p=11719 Continued]]> 加州大學洛杉磯分校(UCLA)的研究人員開發了一種新的 AI 模型,該模型可以專業地分析疾病的 3D 醫學圖像,而所需的時間遠低于人類臨床專家所需的時間。 名為 SL I Vi T (SLice Integration by Vision Transformer) 的深度學習框架可分析來自不同圖像模式(包括視網膜掃描、超聲波視頻、CT、MRI 等)的圖像,識別潛在的疾病風險生物標志物。 領導這項研究的計算醫學專家兼加州大學洛杉磯分校(UCLA)教授埃蘭·哈爾珀林(Eran Halperin)博士表示,該模型在各種疾病中的準確性很高,優于許多現有的特定疾病基礎模型。該模型采用了一種新的預訓練和微調方法,依賴于可訪問的大型公共數據集。因此,哈爾珀林博士認為可以相對較低的成本部署該模型來識別不同的疾病生物標志物,從而實現專家級醫學成像分析的大眾化。

Source

]]>
11719
利用 NVIDIA Holoscan 和多模態成像融合實現實時手術指導 http://www.open-lab.net/zh-cn/blog/real-time-surgical-guidance-by-fusing-multi-modal-imaging-with-nvidia-holoscan/ Mon, 07 Oct 2024 08:26:22 +0000 http://www.open-lab.net/zh-cn/blog/?p=11465 Continued]]> 圖像引導手術和手術視覺領域的開發者在創建可顯著改進手術工作流程的系統和應用方面面臨著獨特的挑戰。其中一項挑戰是高效地將多模態成像數據(例如術前 3D 患者圖像與術中視頻)結合起來,這對于在微創或機器人輔助手術期間為外科醫生提供實時、準確的指導至關重要。 在本文中,我們將向您介紹如何使用最先進的 AI 和成像技術,并重點介紹 ImFusion 集成 NVIDIA Holoscan 以實現實時傳感器處理、AI 和 I/O。我們將探索 NVIDIA Holoscan 如何使流程性能提高一倍,并解釋如何通過結合兩種成像模式來提高手術準確性、減少并發癥并改善結果。 在微創或機器人圖像輔助手術期間,準確的導航和對患者解剖結構的詳細了解對于手術的成功至關重要。 在術前規劃期間,外科醫生通常依靠多模態成像技術(包括 3D 診斷成像模式,如計算機斷層掃描(CT)掃描),來識別異常、

Source

]]>
11465
AI 賦能平臺推動個性化癌癥診斷和治療 http://www.open-lab.net/zh-cn/blog/ai-powered-platform-advances-personalized-cancer-diagnostics-and-treatments/ Thu, 05 Sep 2024 04:36:03 +0000 http://www.open-lab.net/zh-cn/blog/?p=11176 Continued]]> 近期的一項研究引入了先進的 AI 病理學平臺,該平臺可幫助醫生快速、準確地診斷和評估肺癌患者。該工具由 University of Cologne 的醫學院和 University Hospital Cologne 的一組研究人員開發,可對良性腫瘤和癌變組織進行全自動、深入的分析,從而實現更快、更個性化的治療。 肺癌以高死亡率而聞名,但精確的診斷和個性化治療可改善患者的治療效果。傳統上,腫瘤科醫生會在顯微鏡下手動檢查組織樣本,以識別揭示癌癥的細胞和結構特征然而,即使進行專家分析,這一過程也非常耗時、主觀且容易發生變化,從而導致誤診。 研究人員開發了一個基于深度學習的多類別組織分割平臺,該平臺可以自動分析數字化肺部組織樣本,并篩查癌癥,提供該區域的細胞細節。 該 AI 模型基于來自六家機構的大型數據集進行訓練和驗證,共包含來自 1,527 名患者的 4,097…

Source

]]>
11176
用于空間組學的細胞成像特征提取和形態聚類 http://www.open-lab.net/zh-cn/blog/cell-imaging-feature-extraction-and-morphology-clustering-for-spatial-omics/ Wed, 24 Jul 2024 07:43:47 +0000 http://www.open-lab.net/zh-cn/blog/?p=10697 Continued]]> VISTA-2D 是 NVIDIA 的新基礎模型,可以快速準確地執行細胞分割,這項基本任務在細胞成像和空間組學工作流程中至關重要,對所有下游任務的準確性至關重要。 VISTA-2D 模型使用圖像編碼器創建圖像嵌入,然后將其轉換為分割蒙版(圖 1)。這些嵌入必須包含每個細胞的形態信息。 如果可以為每個細胞分割生成嵌入,則可以在所有嵌入上運行聚類,以自動將具有類似形態的細胞分組。 在本文中,我將帶您深入了解隨附的 Jupyter Notebook,以展示如何使用這些工具首先分割細胞并使用 VISTA-2D 提取其空間特征,然后使用 RAPIDS。這將創建一個自動化流程來快速分類細胞類型。 要學習本教程,您需要以下資源: 此 Jupyter Notebook 的代碼位于 /clara-parabricks-workflows/

Source

]]>
10697
利用合成數據生成解決醫學成像的局限性 http://www.open-lab.net/zh-cn/blog/addressing-medical-imaging-limitations-with-synthetic-data-generation/ Mon, 24 Jun 2024 05:18:32 +0000 http://www.open-lab.net/zh-cn/blog/?p=10430 Continued]]> 醫學成像中的合成數據提供了許多好處,包括在真實數據有限的情況下,以多樣化和逼真的圖像增強數據集的能力,從而減少與注釋真實圖像相關聯的成本和人工。此外,合成數據還為使用敏感患者數據提供了一種合乎道德的替代方案,有助于在不損害患者隱私的情況下進行教育和培訓。 這篇文章介紹了 MAISI,一個NVIDIA AI Foundation 模型用于 3D 計算機斷層掃描(CT)圖像生成。MAISI 的首要目標是通過提供一種可靠高效的方法來生成高質量合成圖像,以用于各種研究和臨床應用,從而徹底改變醫學成像領域。通過克服數據稀缺和隱私問題的挑戰,MAISI 旨在提高醫學成像數據的可訪問性和可用性。 該模型可以生成高分辨率合成 CT 圖像和相應的分割掩模,最多 127 個解剖類別(包括骨骼、器官和腫瘤),同時實現 512×512×512 的標志性體素尺寸和 1.0×1.0×1.0 mm³的間距。

Source

]]>
10430
在 NVIDIA Holoscan SDK 中 構建集成 OpenCV 的零拷貝 AI 傳感器處理流程 http://www.open-lab.net/zh-cn/blog/build-a-zero-copy-ai-sensor-processing-pipeline-with-opencv-in-nvidia-holoscan-sdk/ Wed, 05 Jun 2024 07:19:36 +0000 http://www.open-lab.net/zh-cn/blog/?p=10193 Continued]]> NVIDIA Holoscan 是 NVIDIA 的多模態實時 AI 傳感器處理平臺,旨在幫助開發者構建端到端傳感器處理流程。該平臺的核心組件是 NVIDIA Holoscan SDK,其功能包括: Holoscan SDK 可用于為多種行業和應用場景構建流式 AI 流程,包括醫療設備、邊緣高性能計算和工業檢測等領域。有關更多信息,請參閱 使用 NVIDIA Holoscan 開發生產就緒型 AI 傳感器處理應用,以獲取詳細信息。 Holoscan SDK 通過充分利用軟件和硬件來加速流式 AI 應用。它可以與 RDMA 技術 結合,通過 GPU 加速進一步提高端到端流程性能。通常,端到端傳感器處理流程包括: 此流程中的所有數據都存儲在 GPU 顯存中,Holoscan 原生運算符可以直接訪問,而無需主機設備內存傳輸。

Source

]]>
10193
借助 NVIDIA AI 基礎模型 VISTA-2D 推進細胞分割和形態分析 http://www.open-lab.net/zh-cn/blog/advancing-cell-segmentation-and-morphology-analysis-with-nvidia-ai-foundation-model-vista-2d/ Mon, 22 Apr 2024 04:39:27 +0000 http://www.open-lab.net/zh-cn/blog/?p=9628 Continued]]> 基因組學研究人員使用不同的測序技術來更好地理解生物系統,包括單細胞和空間組學。與從細胞層面查看數據的單細胞不同,空間組學考慮了數據的位置,并考慮到用于分析的空間環境。 隨著基因組學研究人員尋求在組織層面跨多個組學對生物系統進行建模,空間組學領域正在推動一種新的范式,即在空間環境中詢問細胞的方法。大多數這些空間組學方法都依賴于成像,以便在不分離細胞與組織的情況下查看標記 (如光標記)。 這些標簽可以應用于不同的分子 (例如 RNA 和蛋白質),并保留其起源細胞的空間信息以及細胞在組織中的位置。這種成熟的細胞動力學建模方法正在推動對發展和疾病的新理解,并標志著研究人員激動人心的范式轉變。 NanoString 等空間組學提供商利用 NVIDIA GPU 并加速其 CosMx SMI 設備上的計算,以應對這些挑戰。空間組學技術 (CosMx 空間分子成像)…

Source

]]>
9628
使用 GPU 加速的 nvImageCodec 推進醫學影像解碼 http://www.open-lab.net/zh-cn/blog/advancing-medical-image-decoding-with-gpu-accelerated-nvimagecodec/ Wed, 17 Apr 2024 06:12:11 +0000 http://www.open-lab.net/zh-cn/blog/?p=9694 Continued]]> 本文將深入分析 DICOM 醫學影像的解碼功能。AWS HealthImaging 利用 NVIDIA 的 nvJPEG2000 庫 來實現此功能。我們將深入探討圖像解碼的復雜性,并介紹 AWS HealthImaging,以及 GPU 加速解碼解決方案帶來的進步。 通過 GPU 加速的 nvJPEG2000 庫,踏上在 AWS HealthImaging 中提高吞吐量和降低醫療影像解密成本的旅程,代表著在云環境中實現運營效率的一大步。這些創新有望節省大量成本,預測表明此類工作負載的潛在成本降低總計數億美元。 JPEG 2000 的實施面臨著顯著的複雜性,因為早期遇到的互操作性問題阻礙了跨不同系統的無縫整合。這種複雜性導致廣泛採用的阻礙。然而,高吞吐量 JPEG 2000 (HTJ2K) 編碼系統的出現代表著圖像壓縮技術的重大進展。JPEG 2000 標準的第 15 部分概述的…

Source

]]>
9694
借助生成式 AI 和細胞成像的新模型打破醫療健康領域的障礙 http://www.open-lab.net/zh-cn/blog/breaking-barriers-in-healthcare-with-new-models-for-generative-ai-and-cellular-imaging/ Tue, 19 Mar 2024 06:37:32 +0000 http://www.open-lab.net/zh-cn/blog/?p=9367 Continued]]> 推動醫療健康成像的未來,NVIDIA MONAI 微服務正在創建獨特的先進模型和擴展模式,以滿足醫療健康和生物制藥行業的需求。最新更新引入了一套新功能,旨在進一步增強醫學成像工作流程的功能和效率。本文將探討以下新功能: NVIDIA MONAI 平臺中的實時推理在簡化交互式標注工作流程方面發揮了重要作用。現在,隨著批量推理的引入,用戶可以同時處理大量醫學影像。在不影響準確性的情況下實現更快、更高效的分析,此功能對于處理大量數據集的機構和研究人員至關重要。 此外,通過使用 MONAI 捆綁包的自定義訓練功能,用戶可以按照自己的特定需求來定制 AI 模型。這種自定義訓練方法利用了 MONAI 捆綁包的規范,使得平臺更加靈活,能夠更好地滿足您獨特的成像需求。您可以從 NVIDIA 的 NGC 目錄中選擇任何 MONAI 捆綁包 https://catalog.ngc.nvidia.

Source

]]>
9367
人人超碰97caoporen国产