醫學影像學 – NVIDIA 技術博客

借助 NVIDIA MONAI Cloud API 加速 3D 醫學影像的 AI 工作流

Sun, 26 Nov 2023 06:41:06 +0000

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。 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…

Source

]]>

在 NVIDIA DGX 上以細胞分辨率繪制全人腦神經映射

Wed, 08 Nov 2023 03:42:55 +0000

為了在 2 年內對 100 個大腦進行全人腦細胞級成像以及后續的分析和映射，我們需要加速超級計算和計算工具。NVIDIA 的技術很好地滿足了這一需求，包括硬件、計算系統、高帶寬互連、特定領域的庫、加速工具箱、精心策劃的深度學習模型和容器運行時。NVIDIA 的加速計算涵蓋了 IIT Madras 大腦中心的解決方案構建、推出、優化、管理和擴展的技術之旅。如今，對于像蒼蠅這樣的小型昆蟲大腦，以及老鼠和小猴子的大腦，獲取、轉換、處理、分析和解釋的過程已經相當復雜。然而，對于整個人類大腦來說，這些活動規模更大、更復雜，更需要技能和時間。 IITM Brain Centre 的成像管線的關鍵大數據特征是體積和速度。每個掃描儀的掃描速率為 250 GB/小時，當多個掃描儀同時運行時，該中心每小時能生成 2 TB 的高分辨率未壓縮圖像。所有圖像都必須進行處理，

Source

]]>

用 MONAI 和 RAPIDS 實時進行全幻燈片圖像分析

Thu, 13 Jul 2023 06:10:25 +0000

數字病理切片掃描儀生成大量圖像。載玻片通常以 40 倍的放大率進行掃描，得到千兆像素的圖像。壓縮可以將每個幻燈片的文件大小減少到 1 或 2 GB ，但這種數據量在移動、保存、加載和查看方面仍然具有挑戰性。要以全分辨率查看典型的完整幻燈片圖像，需要一個網球場大小的監視器。與組織病理學一樣，基因組學和顯微鏡可以產生數兆字節的數據。有些用例涉及多種模式，將這些數據轉換為更易于管理的大小通常需要進行漸進式轉換，直到只保留最顯著的特征。本文探討了實現這種數據細化的一些方法，使用的分析類型，以及諸如MONAI和RAPIDS可以釋放有意義的見解。以一個典型的數字組織病理學圖像為例，因為這些圖像現在在全球的常規臨床環境中使用。 MONAI 是一套開源、免費的協作框架，旨在加速醫學成像領域的研究和臨床協作。 RAPIDS 是一套開源軟件庫，用于在 GPU 上構建端到端的數據科學和分析管道。

Source

]]>

用于醫學圖像分析的可視化基礎模型

Tue, 20 Jun 2023 04:55:04 +0000

3D 醫學圖像的分析對于提高臨床反應、疾病跟蹤和患者的整體生存率至關重要。深度學習模型構成了現代 3D 醫學表示學習的支柱，實現了對臨床決策至關重要的精確空間上下文測量。這些 3D 表示對醫學成像數據（例如 CT 或 MRI 掃描）的生理特性高度敏感。醫學圖像分割是醫學應用的一項關鍵視覺任務，是測量醫學圖像各個方面的定量工具。為了改進對這些圖像的分析，基礎模型的開發和應用在醫學圖像分析領域變得越來越重要。基礎模型是最新一代人工智能神經網絡，在廣泛多樣的數據集上進行訓練，可用于廣泛的任務或目標。隨著大型語言模型展示其處理一般任務的能力，視覺基礎模型正在出現，以解決各種問題，包括分類、檢測和分割。基礎模型可以用作強大的人工智能神經網絡，用于分割醫學圖像中的不同目標。它為醫學成像應用開辟了一個可能性的世界，增強了分割任務的有效性，并實現了更準確的測量。

Source

]]>