NVIDIA 宣佈推出適用於醫學影像的遷移學習工具包和 AI 輔助註釋 SDK
美國芝加哥—RSNA—2018 年 11 月 28 日—基於深度學習的註釋和分割可以大幅加快模型開發和醫學影像分析的速度。然而,從零開始開發高效能且精確的深度神經網路非常具有挑戰性,而且很耗費時間。所需資料集的成本和質量往往是開發者要面對的兩大主要障礙。為幫助加快醫學影像領域的創新,NVIDIA 宣佈推出適用於醫學影像的遷移學習工具包和 AI 輔助註釋 SDK。
NVIDIA 遷移學習工具包
通過 NVIDIA 遷移學習工具包 (TLT),醫學影像領域的深度學習應用程式開發者可以利用 NVIDIA 預訓練模型,展開簡單易用的訓練工作流程,進而利用自己的資料集微調並重新訓練模型。
TLT 是一個 Python 軟體包,其中每個模型都在 NVIDIA Pascal、Volta 和 Turing GPU 上進行優化和訓練,以達到更高精確度。
在 2018 年 MICCAI 上,NVIDIA 憑藉使用自動編碼器正則化方法進行的 3D 核磁共振成像 (MRI) 腦部腫瘤分割,獲得了BrATS 挑戰賽第一名。作為醫學影像軟體 TLT 的一部分,NVIDIA 在首個公開發布版本中提供此預訓練模型。對多模態 MR 資料和 3-D 胰腺進行 3-D 腦部腫瘤分割以及對門靜脈期 CT 資料進行腫瘤分割是在公共資料集上訓練的部分模型,這些資料集可以在工具包中輕鬆獲取。
使用 NVIDIA 遷移學習工具包,開發者可以加快部署並減少構建應用程式所需的計算資源。利用此工具包,研究人員還可以將預訓練模型擴充套件到自己的工作中。通過簡單易用的API,開發者可以快速地調整並使用此技術。
使用 TLT 工作流程的模型也可以輕鬆部署至 Clara 平臺中以進行推理。
TLT 將可用於 NVIDIA Tesla 和 DGX 產品。
NVIDIA AI 輔助註釋
當涉及治療和診斷時,放射科醫生最終需要花費數小時仔細檢查一張患者的 3D 影象。這是一個枯燥乏味的過程,放射科醫生必須逐個切片檢視 CT 或 MRI 掃描影象,手工繪製、註釋和修正他們關注的器官或異常情況。然後對特定的器官或異常情況的所有 3D 影象切片重複這一步驟。
NVIDIA 的 AI 輔助註釋 SDK 能夠以 10 倍的速度大大加快此過程,並有助於更快地發現異常情況。這是通過使應用程式開發者和資料科學家將 AI 輔助註釋 SDK 整合至他們現有的應用程式中,將 AI 輔助工作流程用於放射線照相來實現的。
AI 輔助註釋 SDK 利用 NVIDIA 的遷移學習工具包不斷自我學習,所以每個添加註釋的新影象都可以用作訓練資料,進一步提高所提供的預訓練深度學習模型的精確度。
“我們可以獲得 NVIDIA 的 AI 輔助註釋技術,並在幾天的時間內將其整合至我們的影象瀏覽器,”MGH & BWH Center for Clinical Data Science 的執行董事 Mark Michalski 說。“我們目前需要註釋大量的影象 – 有時一天大約一千張或更多,所以任何有助於自動執行此過程的技術都可能極大地減少註釋時間和成本。我們非常激動可以利用AI 輔助工作流程並與 NVIDIA 共同解決這些至關重要的醫學影像問題。”
如果您想要詳細瞭解 NVIDIA 的 AI 輔助註釋 SDK 以及如何將其整合至您的個人應用,以在醫學影像中使用 AI 輔助工作流程,請在此處註冊。
“整個放射科都需要參與進來,從而在研究和臨床環境下成功地實施 AI,”NVIDIA 醫療保健部門主管 Abdul Hamid Halabi 說。“這款註釋 SDK 可以使放射科在其現有的工作流程中輕鬆釋放資料的價值。利用遷移學習工具包,放射科醫生可以對現有的所有 AI 應用程式進行調整,使之適合自己的病人。