英伟达与伦敦国王学院共同宣布了 Project MONAI 的开源 alpha 版本,该项目是一个医疗研究框架,现已在 GitHub 上提供。
 
  MONAI 是 AI Medical Open Network 的缩写。该框架针对医疗保健研究人员的需求进行了优化,并且可以与 PyTorch 和 Ignite 等深度学习框架一起运行。
 
  过去医疗 AI 模型的训练,只能依托 PyTorch 和 Caffe 等通用深度学习框架,虽然这些框架具有简洁、零延迟任意改变神经网络行为,设置更自由等特点。
 
  但是这些框架设计之初都是从大众口味出发,医疗 AI 开发者在工作中使用这些框架的时候,只能被迫做出更多的妥协。
 
  而这次,英伟达推出的 MONAI 框架则是根据医疗 AI 的特点量身打造,可以帮助医学影像研究人员重现他们的实验。
 
  Nvidia 医疗保健副总裁 Kimberly Powell 在一封电子邮件中表示,alpha 版本的一个示例是训练期间的数据增强,具有定义的界面来控制随机状态并确保训练结果保持不变。
 
  MGH&BWH 临床数据科学中心科学总监 Jayashree Kalpathy-Cramer 在 Powell 的博客帖子中说:“科学研究的可重复性至关重要,尤其是当我们谈论 AI 在医学中的应用时。MONAI 项目提供了一个框架,社区可以使用来自世界各地的数据和技术来验证和完善用于医学成像的 AI 开发。”
 
  去年,对 AI 研究的更高再现性需求,让 ICML 这样的机器学习会议来鼓励或要求将代码与研究论文一起提交。
 
  未来,该 AI 框架将与 Nvidia 的 Clara 医学成像工具绑定在一起。MONAI 的 alpha 版本包括用于腹部 CT 的 3D 器官分割或用于脑 MRI 图像的 2D 分类等任务的示例。
 
  在去年 MICCAI 上,英伟达向合作者透露了一个共享卫生成像最佳实践的通用框架计划。Powell 说,今年一月份,Nvidia 和伦敦国王学院的研究人员,正式开始对这个框架进行研究。
 
  MONAI 从立项到推出历时近四个月,整个过程中参与的研发人员来自多个机构,其中包括中国科学院、德国癌症研究中心、MGH&BWH 临床数据科学中心、斯坦福大学和慕尼黑技术大学。
 
  在这则消息公布的几天前,Nvidia 还分享了一个为美国和巴西的医院提供乳腺癌筛查的“乳房钼靶造影 AI”。该产品是通过联邦学习将资源进行组合,而不是单一机构单独数据和资源的合作模式。