深度學(xué)習(xí)模型已經(jīng)成功地應(yīng)用于醫(yī)學(xué)圖像分析問題中，但是它們需要大量的標(biāo)記圖像才能獲得良好的性能。創(chuàng)建這樣的注釋是乏味的，耗時的，并且通常需要臨床專業(yè)知識。

為了彌補這一差距，項目 MONAI 發(fā)布了 MONAI Label v0.1 ，這是一個智能的開源圖像標(biāo)記和學(xué)習(xí)工具，可幫助研究人員和臨床醫(yī)生協(xié)作，輕松快速地創(chuàng)建帶注釋的數(shù)據(jù)集，并以標(biāo)準(zhǔn)化的 MONAI 范式構(gòu)建人工智能模型。

MONAI 標(biāo)簽通過不斷學(xué)習(xí)用戶的交互和新標(biāo)簽，使人工智能模型能夠適應(yīng)手頭的臨床任務(wù)。它提供了人工智能輔助的注釋體驗，允許研究人員和開發(fā)人員通過臨床醫(yī)生（通常是醫(yī)學(xué)成像人工智能模型的最終用戶）的迭代反饋，不斷改進(jìn)他們的應(yīng)用程序。

在費城兒童醫(yī)院（ CHOP ）， Matthew Jolley 博士解釋了他們是如何利用機器學(xué)習(xí)算法進(jìn)行創(chuàng)新和推動臨床效果的。

“先天性心臟病患兒具有廣泛的解剖學(xué)基礎(chǔ)，目前幾乎沒有現(xiàn)成的工具來促進(jìn)基于圖像的結(jié)構(gòu)分型和針對患者的復(fù)雜心臟干預(yù)計劃。然而，目前基于三維圖像的心臟模型創(chuàng)建速度很慢，甚至在有經(jīng)驗的建模人員手中也是如此，因此，我們一直致力于開發(fā)機器學(xué)習(xí)算法來創(chuàng)建先天性心臟病患兒的心臟瓣膜模型，例如左心發(fā)育不全綜合征的三尖瓣。基于機器學(xué)習(xí)的自動化技術(shù)的不斷發(fā)展將允許快速建模和精確量化功能失調(diào)瓣膜與正常瓣膜在多個參數(shù)上的差異。然后，我們可以將個體的“結(jié)構(gòu)瓣膜輪廓”在解剖和功能的 spe CTR um 中進(jìn)行上下文化，我們可以在最終可能為改善兒童的醫(yī)療決策和干預(yù)措施提供信息?！?/p>

有了 MONAI 標(biāo)簽，我們設(shè)想創(chuàng)建一個社區(qū)的研究者和臨床醫(yī)生像 Jolley 博士和他的團(tuán)隊誰可以建立在一個維護(hù)良好的軟件基礎(chǔ)上，將加速合作，通過持續(xù)學(xué)習(xí)。 MONAI 標(biāo)簽團(tuán)隊和 CHOP 通過切片器周項目合作，成功開發(fā)了一個用于三維超聲心動圖（ 3DE ）圖像中心臟瓣膜小葉分割的 MONAI 標(biāo)簽應(yīng)用程序。該團(tuán)隊目前正致力于將該模型作為 MONAI 標(biāo)簽應(yīng)用程序部署在 CHOP 的面向公眾服務(wù)器上，臨床醫(yī)生可以直接與該模型交互，并觸發(fā)一個適應(yīng)訓(xùn)練循環(huán)– 了解更多 。

對于像 Project MONAI 這樣的開放源碼項目來說，讓臨床醫(yī)生參與到開發(fā)醫(yī)療成像領(lǐng)域人工智能生命周期管理通用最佳實踐的過程中是非常重要的。引用喬利博士的話：

“像 Project MONAI 這樣的開源框架提供了一個標(biāo)準(zhǔn)化的、透明的、可復(fù)制的模板，用于創(chuàng)建和部署以醫(yī)學(xué)圖像為中心的機器學(xué)習(xí)模型，加強了我們的工作。它們使我們能夠?qū)Ｗ⒂谘芯啃碌乃惴捌鋺?yīng)用，而不是開發(fā)和維護(hù)軟件基礎(chǔ)設(shè)施。這反過來又加快了研究進(jìn)展，我們正在積極將其轉(zhuǎn)化為與我們所服務(wù)的兒科社區(qū)實際相關(guān)的工具?！?/p>

MONAI 標(biāo)簽 V0.1 中包括什么

MONAI Label 是一個開源的服務(wù)器客戶機系統(tǒng)，易于設(shè)置，可以在一臺有一到兩個 GPU 的機器上本地運行。初始版本還不支持多個用戶會話，因此服務(wù)器和客戶端都在同一臺機器上運行。

MONAI 標(biāo)簽實現(xiàn)了 MONAI 的核心承諾，即模塊化、 Pythonic 、可擴展、易于調(diào)試、用戶友好和可移植。

MONAI v0.1 包括：

MONAI 標(biāo)簽服務(wù)器： REST API 便于與查看器客戶端（切片器、 OHIF 等）通信的服務(wù)器。

MONAI 標(biāo)簽樣本應(yīng)用程序，可適用于 MR / CT 成像方式的給定臨床任務(wù)，包括由 MONAI 研究人員開發(fā)的 DeepGrow 和 DeepEdit 。

在 v0.1 中，我們?yōu)?MONAI 標(biāo)簽發(fā)布了一個 3DSlicer 插件，以啟動用戶在 MONAI 標(biāo)簽體驗中的體驗

NVIDIA Clara AIAA 的未來版本也將利用 MONAI 標(biāo)簽框架。我們將繼續(xù)為 NVIDIA Clara 醫(yī)學(xué)成像工具和 MONAI 的開發(fā)工作聯(lián)合起來，為醫(yī)療成像領(lǐng)域的研究人員和開發(fā)人員提供領(lǐng)域優(yōu)化、強大的軟件工具。

借助參與社區(qū)的貢獻(xiàn)， MONAI Label 旨在降低貼標(biāo)成本，最大限度地促進(jìn)研究人員和臨床醫(yī)生之間的合作?，F(xiàn)在就開始使用 MONAI 標(biāo)簽 github 上提供的示例應(yīng)用程序，并遵循 MONAI 標(biāo)簽文檔 中提供的逐步入門指南。

關(guān)于作者

Prerna Dogra 是 NVIDIA 醫(yī)療保健部門的產(chǎn)品經(jīng)理，負(fù)責(zé)領(lǐng)導(dǎo) Clara 應(yīng)用程序框架，致力于使開發(fā)人員能夠利用實時分析、人工智能和高級可視化技術(shù)改造醫(yī)療成像行業(yè)。 Prerna 熱衷于將 GPU 計算應(yīng)用到醫(yī)療保健領(lǐng)域，并構(gòu)建一個豐富的合作伙伴生態(tài)系統(tǒng)。在加入 NVIDIA 之前， Prerna 是一名高級圖形軟件工程師，將 GPU 的力量引入游戲和專業(yè)可視化領(lǐng)域。 PRENA 擁有蓋恩斯維爾佛羅里達(dá)大學(xué)的計算機工程碩士學(xué)位。

審核編輯：郭婷