NVIDIA宣布推出適用于醫學影像的遷移學習工具包和AI輔助注釋SDK
美國芝加哥RSNA2018年11月28日基于深度學習的注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，從零開始開發高性能且精確的深度神經網絡非常具有挑戰性，而且很耗費時間。所需數據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宣布推出適用于醫學影像的遷移學習工具包和AI輔助注釋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序開發者可以利用NVIDIA預訓練模型，展開簡單易用的訓練工作流程，進而利用自己的數據集微調并重新訓練模型。
TLT是一個Python軟件包，其中每個模型都在NVIDIAPascal、Volta和TuringGPU上進行優化和訓練，以達到更高精確度。
在2018年MICCAI上，NVIDIA憑借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。作為醫學影像軟件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數據和3-D胰腺進行3-D腦部腫瘤分割以及對門靜脈期CT數據進行腫瘤分割是在公共數據集上訓練的部分模型，這些數據集可以在工具包中輕松獲取。
使用NVIDIA遷移學習工具包，開發者可以加快部署并減少構建應用程序所需的計算資源。利用此工具包，研究人員還可以將預訓練模型擴展到自己的工作中。通過簡單易用的API，開發者可以快速地調整并使用此技術。
使用TLT工作流程的模型也可以輕松部署至Clara平臺中以進行推理。
TLT將可用于NVIDIATesla和DGX產品。
NVIDIAAI輔助注釋
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圖像。這是一個枯燥乏味的過程，機器人維修，放射科醫生必須逐個切片查看CT或MRI掃描圖像，手工繪制、注釋和修正他們關注的器官或異常情況。然后對特定的器官或異常情況的所有3D圖像切片重復這一步驟。
NVIDIA的AI輔助注釋SDK能夠以10倍的速度大大加快此過程，并有助于更快地發現異常情況。這是通過使應用程序開發者和數據科學家將AI輔助注釋SDK集成至他們現有的應用程序中，將AI輔助工作流程用于放射線照相來實現的。
AI輔助注釋SDK利用NVIDIA的遷移學習工具包不斷自我學習，所以每個添加注釋的新圖像都可以用作訓練數據，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輔助注釋技術，并在幾天的時間內將其集成至我們的圖像瀏覽器，機器人維修，MGH&BWHCenterforClinicalDataScience的執行董事MarkMichalski說。我們目前需要注釋大量的圖像–有時一天大約一千張或更多，所以任何有助于自動執行此過程的技術都可能極大地減少注釋時間和成本。我們非常激動可以利用AI輔助工作流程并與NVIDIA共同解決這些至關重要的醫學影像問題。
如果您想要詳細了解NVIDIA的AI輔助注釋SDK以及如何將其集成至您的個人應用，以在醫學影像中使用AI輔助工作流程，請在此處注冊。
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AbdulHamidHalabi說。這款注釋SDK可以使放射科在其現有的工作流程中輕松釋放數據的價值。利用遷移學習工具包，放射科醫生可以對現有的所有AI應用程序進行調整，使之適合自己的病人。
關于NVIDIA
NVIDIA（納斯達克股票代碼：NVDA）在1999年發明的GPU激發了PC游戲市場的增長，重新定義了現代計算機顯卡，并且對并行計算進行了革新。最近，通過將GPU作為可以感知和理解世界的計算機、機器人乃至自動駕駛汽車的大腦，GPU深度學習再度點燃了全新的計算時代現代人工智能。
，m.twshmhelmet.com