如今，為全球領先的醫學研究人員們提供功能強大的AI工具，已經成為了一項至關重要的任務。
NVIDIA與倫敦國王學院（King’s College London）於近期推出了MONAI開源AI框架。該開源AI框架建立在現有工具的最佳應用實踐基礎之上（包括NVIDIA Clara，NiftyNet，DLTK和DeepNeuro），面向醫療研究領域。
NONAI易於使用，且能夠提供具有複驗性的結果。並且其還針對醫療數據的獨特需求進行了專項優化，使其能夠處理醫學圖像所特有的格式、分辨率和元信息。目前所發佈的首個公開版提供了專門用於醫療領域的數據轉換、神經網絡架構和評估方法，能夠用來評估醫學影像模型的質量。
“通過與NVIDIA合作，MONAI項目正在依循開源領域的行業標準開展研究，並且正在與學術界和產業界合作，建立全球化的社區，從而創建出能夠支持醫學影像AI科學發展的高質量框架。” 倫敦國王學院生物醫藥工程及影像科學學院院長Seb Ourselin說到。
目前，NVIDA和倫敦國王學院正在與來自中科院、德國癌症研究中心、Kitware、MGH & BWH臨床數據科學中心、斯坦福大學和慕尼黑工業大學的專家合作，組成顧問委員會，共同領導此項計劃。
MONAI顧問委員會主席兼開源軟件公司Kitware的高級主管Stephen Aylward表示：“MONAI項目具有極大的潛力，可以幫助加快醫學影像AI的研究步伐。它提供了專門用於醫學成像的高質量開源基礎。MONAI項目歡迎大家在此基礎之上貢獻智慧，利用該平臺相互交流，溝通彼此的想法。”
目前，次開源代碼已可通過GitHub獲取。該代碼基於Ignite和PyTorch深度學習框架，包括了用於數據處理、2D分類、3D分割等任務的最新數據庫。研究人員可以使用定製化設計輕鬆地將MONAI帶入到其現有代碼中，從而將模塊化組件集成到其AI工作流程中。
開放靈活的框架，專為醫療領域而設計
模塊化的開源解決方案使研究人員可以靈活地定製深度學習開發項目，而無需使用端對端系統替換其現有工作流程。
例如，高級研究人員可以採用MONAI代碼進行數據預處理和轉換，然後切換到現有的AI管線進行訓練。
倫敦醫學影像與AI中心首席技術官Jorge Cardoso表示：“研究人員需要一種靈活、強大、可組合的框架，幫助他們進行具有創新性的醫學AI研究，同時這種框架需要提供相應的穩健性、測試和文檔，使其能夠安全地部署在醫院當中。MONAI的出現，使其成為可能。”
藉助於詳細的教程和易於操作的API界面，即便是初級研究員也可以定義端對端的訓練工作流程。
MONAI框架的一項核心目標是實現實驗的可重複性，如此一來，研究人員就可以共享結果並相互借鑑，共同發展最新技術。
MGH & BWH臨床數據科學中心技術主任，MGH-哈佛醫學院放射學副教授Jayashree Kalpathy-Cramer說：“在科學研究當中，可重複性是至關重要的，尤其是當我們探討AI在醫學領域當中應用的時候。MONAI項目所提供框架，讓社區可以使用來自世界各地的數據、技術，驗證和改進醫學成像AI開發。”
將來，MONAI框架還將被應用於NVIDIA Clara的未來版本當中。NVIDIA計劃將NVIDIA Clara醫學影像工具和MONAI結合在一起，持續為醫療影像研究人員提供針對醫療領域進行專業優化的強大軟件工具。
在整個社區的共同努力下，該項目將提升研究效率，並促進學術界和行業研究人員之間的合作。
瞭解有關NVIDIA在醫療領域的最新GPU加速研究技術動態，請點擊文章底部“瞭解更多”。
閱讀更多 英偉達NVIDIA中國 的文章
