美國芝加哥—RSNA—2018 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(fā)和醫(yī)學影像分析的速度。然而，從零開始開發(fā)高性能且精確的深度神經網絡非常具有挑戰(zhàn)性，而且很耗費時間。所需數據集的成本和質量往往是開發(fā)者要面對的兩大主要障礙。為幫助加快醫(yī)學影像領域的創(chuàng)新，NVIDIA 宣布推出適用于醫(yī)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(yī)學影像領域的深度學習應用程序開發(fā)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 NVIDIA Pascal、Volta 和 Turing GPU 上進行優(yōu)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(zhàn)賽第一名。作為醫(yī)學影像軟件 TLT 的一部分，NVIDIA 在首個公開發(fā)布版本中提供此預訓練模型。對多模態(tài) 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(fā)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(fā)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 NVIDIA Tesla 和 DGX 產品。

　　NVIDIA AI 輔助注釋

　　當涉及治療和診斷時，放射科醫(yī)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，放射科醫(yī)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(fā)現異常情況。這是通過使應用程序開發(fā)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，”MGH & BWH Center for Clinical Data Science 的執(zhí)行董事 Mark Michalski 說?！拔覀兡壳靶枰⑨尨罅康膱D像 – 有時一天大約一千張或更多，所以任何有助于自動執(zhí)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(yī)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(yī)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(huán)境下成功地實施 AI，”NVIDIA 醫(yī)療保健部門主管 Abdul Hamid Halabi 說?！斑@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(yī)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(fā)明的GPU激發(fā)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。