这篇文章最初发表在 NVIDIA 技术博客上。
MONAI 是一个特定领域的开源医学成像人工智能框架，推动研究突破并加速人工智能进入临床影响，目前已被 100 多万数据科学家、开发人员、研究人员和临床医生下载。 100 万大关代表着人工智能医疗开放网络的一个重要里程碑，该网络在去年推动了许多研究突破，并引入了新的开发工具。
最值得注意的是 Auto3DSeg ，这是一个低代码框架。它使数据科学家和任何技能的研究人员都能够训练模型，在 CT 和 MRI 等 3D 成像模式中快速分割感兴趣的区域。 MONAI 社区的研究人员在许多细分比赛中使用 Auto3DSeg 排名第一，如 MICCAI INSTANCE22 和 HECKTOR22 挑战赛。
Swin UNETR 是 MONAI 社区的另一项研究突破，是由范德比尔特大学和 NVIDIA 的作者共同完成的 published in CVPR 。 Swim UNETR 是一个最先进的、基于 3D transformer 的模型，具有自我监督的预训练。
超过 700 GitHub projects 是基于今天的 MONAI 。随着 MONAI 1.0 于 2022 年 9 月发布，您现在可以在 MONAI Model Zoo 中访问 21 个领先的医学成像模型，用于 MRI 分割、乳腺密度分类和病理肿瘤检测等任务。
去年， MONAI Label expanded into the field of pathology 。用于注释病理图像的新功能、示例应用程序和查看器集成为病理学家和数据科学家共同利用深度学习的优势创造了一个起点。
" MONAI 将使病理学家和科学家能够在不了解人工智能的情况下建立准确的模型。这是使人工智能成为病理学研究通用工具的重要一步。" 说 Lee A.D.Cooper ，博士，西北大学范伯格医学院病理学副教授兼计算病理学主任。
视频 1 。病理学图像标签进入 MONAI
使用 MONAI 在诊所部署人工智能，每个云都支持
世界各地的许多医疗机构、学术医疗中心和人工智能初创公司已经开始使用 MONAI 应用程序包（ MAP ）在临床环境中部署。其中包括辛辛那提儿童医院、英国国家卫生服务局、 Qure.ai 、 SimBioSys 和旧金山加利福尼亚大学。
使用 MONAI Deploy ，您可以在 20 分钟内完成一个或多个经过训练的模型和 build an application with a few lines of code 。
MAP 是使用云原生技术设计的，并得到领先的云服务提供商的支持：
- Amazon HealthLake Imaging
- Google Cloud
- Nuance Precision Imaging Network powered by Microsoft Azure
- Oracle Cloud Infrastructure
生成人工智能的新领域
生成人工智能是一种强大的技术，可以创建与现有数据类似的新数据。在医学成像中，生成人工智能在创建合成图像以增强有限的数据集同时保护患者隐私方面具有难以置信的价值。
通过将生成人工智能的力量与 MONAI 的能力相结合，研究人员和开发人员可以为医疗设备公司、制药公司和学术医疗中心释放医疗成像创新的新机会。这将导致更快的发现和改善患者的预后。
有关更多信息，请参阅 GitHub 上的新 Generative AI repo for Project MONAI 。
如何开始使用 MONAI
要开始使用 MONAI ，请访问 monai.io 并探索医疗人工智能工作流程的三个关键框架： MONAI Label 、 Core 和 Deploy 。
一个学习 MONAI 要点并开始为医疗人工智能项目生命周期开发的好地方是 MONAI Bootcamp 。您可以从 MONAI 2023 Bootcamp on YouTube 访问所有 12 个会话。
NVIDIA GTC 2023 为各级 MONAI 开发人员举办了多次讲座、座谈会和培训实验室。免费注册和 add sessions to your calendar today 。