NVIDIA MONAI助于推动研发成果落地,赋能医疗行业AI创新应用
今天golang学习网给大家带来了《NVIDIA MONAI助于推动研发成果落地,赋能医疗行业AI创新应用》,其中涉及到的知识点包括等等,无论你是小白还是老手,都适合看一看哦~有好的建议也欢迎大家在评论留言,若是看完有所收获,也希望大家能多多点赞支持呀!一起加油学习~
随着技术的不断发展,人工智能不断深入场景,在各行各业广泛落地应用。在医疗行业中,利用人工智能技术辅助医生进行医学影像阅片,能够大幅提升效率,降低医生的工作强度和病患的等待时间。

为了让人工智能更好的服务于医疗行业,NVIDIA 推出了MONAI和Clara Holoscan两个关键组件。NVIDIA 医疗业务发展总监 David Niewolny表示,医学成像是医疗保健行业中最重要的工具之一,占到医疗保健数据中的 90% 以上。因此,在医疗保健的医学成像系统中采用人工智能是非常重要的应用场景。根据介绍,目前已经有很多医疗保健行业正在快速采用人工智能技术,NVIDIA研究的数据则高达75%。
在本次媒体沟通会上,David Niewolny针对MONAI技术以及在各大医院的落地实践,重点进行了分享。
MONAI于2019年正式推出,是一个开源医疗特定的人工智能框架,用于在人工智能应用程序中大规模开发和部署模型。借助 MONAI,开发者能够轻松构建和部署 AI 应用,创建出可用于临床整合的模型,并更轻松地解读医学检查结果,更深入地了解患者病情。
据David Niewolny介绍,MONAI专为放射学,病理学和手术数据而设计,旨在加速人工智能的临床转化,特别是在医学成像领域。因此,MONAI被称为医疗保健的Pytorch。David Niewolny表示,AI 生命周期带有预先训练模型、AI 辅助标签工具、最先进培训技术(如联邦学习和自监督学习)。
为了使得MONAI能够更加轻松地将模型集成到临床工作流中,NVIDIA还提供了MONAI应用包(MAP),其规格由MONAI Deploy工作组制定,该工作组由来自十几家医学影像机构的专家组成,目标是支持AI应用开发者以及运行AI应用的临床和基础设施平台。
对于开发者来说,MAP可以帮助研究者在临床环境中轻松打包和测试模型,从而加速AI模型的演进。这使他们能够采集真实世界的反馈,进而对AI进行完善和改进。除此之外,MAP能够还能够简化部署流程。如果开发者使用MONAI Deploy应用软件开发工具包来打包一个应用,医院就可以轻松地在本地或云端运行这一应用。最后,MAP规格还整合了医疗IT标准,比如医学影像互操作性标准DICOM等。
对于云服务商来说,对(使用云原生技术设计的) MAP的支持能够助力采用MONAI Deploy的研究者和企业通过容器或原生应用集成,在自己的平台上运行AI应用。
由于MONAI 标准化了医疗保健 IT 基础架构中的应用程序开发、打包和部署,为此在研发界被广泛采用,下载量超过 650,000 次,GitHub 项目超过 450 个,发表论文 160 篇,赢得11 次 Kaggle 竞赛。
沟通会上,David Niewolny还通过辛辛那提儿童医院医疗中心的合作,详细介绍了MONAI在医疗行业的落地案例。据介绍,在心脏移值的手术中,由于人类心脏只能在大约 4 小时内存活时间,因此每一分钟都非常重要。其中,一个重要的决策点是与捐助者的匹配,医学成像数据和人体分割用于测量潜在供体心脏的大小。由于此过程容易出错且耗时,需要 20 多分钟才能完成。为此,辛辛那提儿童医院研究小组开发了一种深度学习模型,使这一关键步骤自动化,只需几秒钟即可估计总心肌容量,大大提高了潜在匹配的机会。
David Niewolny表示,需要心脏或肺移植的儿科患者往往遭受不必要的高死亡率,即使在有大量捐助者未被利用的情况下,也要在等候上花费大量的时间。辛辛那提儿童医院医疗中心使用MONAI来扩展深度学习总心体积模型,该模型挽救许多儿童的生命。
除了辛辛那提儿童医院之外,很多知名的医疗机构也在将MONAI运用到不同的应用中。例如英国国家医疗服务体系信托基金已在四家医院部署了基于MONAI的AI部署引擎平台——AIDE(AI Deployment Engine),致力于为专业医务人员提供AI疾病检测工具。
NVIDIA初创加速计划成员Qure.ai使用MAP来打包需要部署的解决方案,开发了用于肺癌、脑外伤和肺结核等用例的医学影像AI模型。芝加哥NVIDIA初创加速计划成员企业建立了患者肿瘤的3D虚拟表征,并将MAP用于有助预测患者对特定治疗会作何反应的精准医疗AI应用。加州大学旧金山分校正在为几个AI模型开发MAP,包括髋部骨折检测、肝脏和脑肿瘤分割、膝关节和乳腺癌分类等应用。
据DavidNiewolny介绍,除了大量的医疗行业案例之外,很多云厂商也在采用MONAI Deploy的研究者和企业通过容器或原生应用集成,在自己的平台上运行AI应用。
例如,MAP接口已被整合进HealthLake影像服务,使临床医生能够实时查看、处理和分割医学影像。Google Cloud的医学影像套件使医学影像数据变得更易于获取、更具互操作性且更加实用。该套件已将MONAI整合到其平台中,使临床医生能够部署AI辅助注释工具,助力实现人工和重复性医学影像标记任务的自动化。
MicrosoftAzure驱动的Nuance精准成像网络将MONAI和Nuance精准成像网络相结合。Oracle和NVIDIA最近宣布展开合作,将包括MONAIDeploy在内的医疗行业加速计算解决方案引入Oracle Cloud Infrastructure。即日起,开发者可使用Oracle CloudMarketplace上的NVIDIA容器,通过MONAI Deploy来构建MAP。
正如David Niewolny所述,当前,大部分AI模型都处于研发阶段,主要是由于缺乏一个专有标准。MONAI Deploy将有助于推动研发成果落地,实现更具影响力的临床AI。
文中关于NVIDIA,MONAI的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《NVIDIA MONAI助于推动研发成果落地,赋能医疗行业AI创新应用》文章吧,也可关注golang学习网公众号了解相关技术文章。
人工智能、机器学习和软件开发的未来
- 上一篇
- 人工智能、机器学习和软件开发的未来
- 下一篇
- 四足机器人学会守门,拦截率达87.5%
-
- 怕孤独的黑猫
- 这篇文章太及时了,太全面了,太给力了,码住,关注作者了!希望作者能多写科技周边相关的文章。
- 2023-06-03 16:46:03
-
- 坚定的美女
- 很好,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢师傅分享文章!
- 2023-05-16 07:26:51
-
- 壮观的面包
- 太详细了,mark,感谢up主的这篇文章内容,我会继续支持!
- 2023-05-11 12:15:43
-
- 科技周边 · 人工智能 | 21小时前 |
- Transformers generate 怎样返回每步生成分数并定位异常输出
- 308浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 人工智能 · api设计 · 人工复核 内容审核 Categories Moderation API category_scores
- 内容审核接口返回多标签结果时怎样设计分支
- 160浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 人工智能 · 多模态 · token 视觉模型 detail 多图输入 Vision API
- 视觉模型输入多张图片时怎样控制顺序和细节级别
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 人工智能 · 提示词缓存 prompt_cache_key 稳定前缀 动态输入
- 提示词缓存怎样拆分稳定前缀和动态输入
- 419浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 多模态输入 Gemini API Files API MIME 类型
- Gemini API 怎样把文件输入和文本提示放在同一请求
- 164浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 人工智能 · padding Transformers tokenizer attention_mask input_ids truncation
- Transformers tokenizer 怎样让 padding 与 truncation 对齐批量输入
- 416浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 |
- Hugging Face Datasets DatasetDict 跨 train 与 validation 的 map 处理方案
- 267浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 人工智能 · 结构化输出 · JSON Schema Responses API Structured Outputs strict refusal
- 结构化输出怎样约束模型返回 JSON Schema
- 328浏览 收藏
-
- 科技周边 · 人工智能 | 22小时前 | 人工智能 · openai · 工具调用 Responses API function_call_output call_id
- Responses API 怎样处理工具调用后的继续响应
- 156浏览 收藏
-
- 科技周边 · 人工智能 | 22小时前 | 人工智能 · openai · 多轮对话 Responses API conversation state OpenAI API previous_response_id
- Responses API 怎样用上一轮响应继续多轮对话
- 121浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1076次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1078次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1238次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1182次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1026次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览

