加速医疗 AI 开发

NVIDIA 在推进医学影像重建方面发挥着至关重要的作用。作为领先的计算机提供商，NVIDIA 提供的技术是西门子、GE Healthcare、飞利浦和 United Imaging Healthcare 等大型公司运营不可或缺的一部分。

这些公司利用 NVIDIA 强大的 GPU 和软件工具套件 (包括 NVIDIA® CUDA®、TensorRT™ 和 Triton™) 来提高其 MRI、CT 和超声波系统的性能。NVIDIA 的 AI 和加速计算解决方案可显著缩短影像重建所需的时间，从而提高临床效率和影像质量。例如，United Imaging Healthcare 利用 NVIDIA 的技术开发了支持 AI 的核磁共振 (MR) 扫描仪，不仅减少患者 MR 的检查时间，还增加了患者接受 MR 检查的机会。通过该技术，MR 图像重建的计算速度提高了 10 倍，并将重建时间缩短了 95%。

MONAI ( AI 医疗开放网络) 是 NVIDIA 与伦敦国王学院和其他领先的学术医疗中心合作创建的开源框架。它旨在建立一个包容性 AI 研究人员社区，以开发和交流医疗健康影像领域的 AI 最佳实践。MONAI 基于 PyTorch 构建，提供针对领域优化的工具和库，用于在医学影像应用 (例如图像分割、分类和配准) 中开发、训练和部署 AI 模型。

MONAI 中的库、工具和 SDK 套件包括： 

• MONAI Core: 用于训练医疗健康影像 AI 模型的特定领域专用框架
• MONAI Label: 用于快速标注新数据集的智能图像标记和学习工具
• MONAI Deploy App SDK: 一个框架和相关工具，支持开发者将 AI 模型转换为 AI 应用
• MONAI Model Zoo: MONAI 捆绑包格式的医学成像模型集合

MONAI 通过提供一整套加速 AI 模型开发和部署的工具，使医学成像研究受益。它包括高级数据预处理、神经网络架构和为医学成像量身定制的评估指标。MONAI 简化了 AI 与研究工作流程的集成，实现了更快的原型设计、可复制的研究以及跨机构协作。这有助于提高医学成像任务的准确性和效率。

MONAI Multimodal 是一个开源工具包，包含基础模型、参考工作流和可互操作的构建块，可对各种医疗健康数据 (从 CT 和 MRI 到 EHR 和临床文档) 进行多模态分析。它通过专门的代理式架构提供高级推理功能，并允许集成自定义模型和 Hugging Face 组件。MONAI Multimodal 使开发者能够专注于创新和研究，同时解决医疗数据集成的独特挑战。

  研究人员和开发者可以通过多种方式为 MONAI 做出贡献。他们可以将模型或工具直接集成到 MONAI 框架中，为 MONAI Model Zoo 做出贡献，或通过 GitHub 进行协作。此外，贡献者可以通过 Hugging Face 等平台共享预训练模型，或将其资源库链接为精选社区项目。MONAI 支持多种协作方式，使合作伙伴能够以符合其专业知识和目标的方式轻松支持和扩展生态系统。

立即与 MONAI 社区互动。请查看工作组。

请联系我们，提出您的问题。