Brad Genereaux – NVIDIA 技術博客

借助 Databricks Pixels 2.0 和 MONAI 加速醫學影像 AI 運營

Fri, 28 Feb 2025 06:32:31 +0000

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

]]>

使用 GPU 加速的 nvImageCodec 推進醫學影像解碼

Wed, 17 Apr 2024 06:12:11 +0000

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

]]>

通過 MONAI 部署將 AI 帶入臨床生產

Mon, 28 Nov 2022 11:00:00 +0000

隨著廣泛的開源加速人工智能框架觸手可及，醫療人工智能開發人員和數據科學家正以驚人的速度為臨床應用引入新算法。這些模型中的許多都是開創性的，然而 87% 的數據科學項目從未投入生產。在大多數數據科學團隊中，模型開發人員缺乏一種快速、一致、易于使用和可擴展的方法，無法將經過訓練的人工智能模型開發并打包到市場上的醫療人工智能應用程序中。這些應用程序可以幫助臨床醫生簡化成像工作流程，發現隱藏的見解，提高生產力，并連接多模式患者信息以加深患者理解。 MONAI ，人工智能醫療開放網絡，正在用 MONAI Deploy 彌補從開發到臨床部署的這一差距。 MONAI Deploy 提供了一套用于開發、打包、測試、部署和運行醫療 AI 應用程序的開源工具。它允許開發人員構建 AI 應用程序，協調臨床 AI 工作流，并通過 DICOM, FHIR, and HL7 等標準與 PACS…

Source

]]>

MONAI 通過醫療成像套件在谷歌云上推動醫療 AI

Tue, 25 Oct 2022 05:31:00 +0000

醫學成像是世界各地醫療保健、篩查、診斷和治療工作流程的重要工具。計算機視覺領域的創新和突破正在通過新的 SDK 加速醫療保健領域的復興。 MONAI ，人工智能醫療開放網絡，在其開源套件中容納了許多這些 SDK ，旨在驅動醫療人工智能工作流。要了解有關 MONAI 的更多信息，請參見 Open-Source Healthcare AI Innovation Continues to Expand with MONAI v1.0 。要在云中運行這些 SDK 并將其連接到醫療成像生態系統，需要可訪問、安全且戰略性地集成到存儲和網絡等基礎設施中的平臺。最近宣布， Google Cloud Medical Imaging Suite 就是這樣一個平臺，它能夠開發用于成像的 AI ，以支持更快、更準確的圖像診斷，提高醫護人員的生產力，并改善患者獲得更好護理和結果的機會。

Source

]]>