NVIDIA MONAI 是一个基于开源 MONAI 框架的企业级解决方案，为医学影像领域的 AI 开发提供先进的工具和支持。NVIDIA MONAI 工具包提供了一个全面的沙盒环境，加速了医疗保健应用 AI 模型的创建、训练和部署。
Project MONAI
Project MONAI (医学影像人工智能开放网络) 是由 NVIDIA 和领先的学术医疗中心共同发起的一项合作计划。这个开源框架旨在
培养一个包容性的医疗影像 AI 研究人员社区
在学术界和工业界之间开发和分享最佳实践
加速 AI 进步及其临床应用
作为一个特定领域的医学 AI 框架，MONAI
推动研究突破
促进 AI 向临床实践的过渡
利用医学数据进行深度学习模型开发
为从数据标注到模型训练的整个医学 AI 生命周期提供必要的工具
MONAI 的综合工具包使研究人员和开发人员能够轻松创建、复现和标准化医学 AI 工作流程。开源版本的 MONAI 提供加速工具和高吞吐量工作流程，以及通过 MONAI Issues GitHub 提供的社区论坛支持。
NVIDIA MONAI
NVIDIA MONAI 是 NVIDIA 为希望在企业环境中使用 MONAI 的组织提供的商业解决方案。它建立在开源 MONAI 框架之上，提供为商业应用量身定制的附加功能和支持。主要功能包括
需要 NVIDIA AI Enterprise (NVAIE) 5.1 许可证
提供对 NVIDIA MONAI 工具包容器的访问
专为企业开发人员和研究人员设计
为医学影像 AI 开发提供安全且可扩展的工作流程
除了开源版本中提供的功能外，NVIDIA MONAI 还提供
针对多种部署选项（包括裸机、容器化和云环境）的全栈和关键业务支持
访问 NVIDIA 专家以获得关于配置和性能优化的指导
企业培训服务，包括针对开发人员、数据科学家和 IT 专业人员的讲师指导研讨会和自定进度培训
针对最新修复程序和维护版本的优先安全通知
支持其他 NVIDIA 软件和 SDK，包括 RAPIDS、TensorRT 等
这种企业级产品增强了 MONAI 的功能，为希望大规模实施医学影像 AI 的组织提供了全面的解决方案。它将开源框架的强大功能与商业应用所需的可靠性和支持相结合，使其成为旨在在其临床工作流程中利用 AI 的医疗机构和研究机构的理想选择。
NVIDIA MONAI 工具包
NVIDIA MONAI 工具包是一个综合开发沙箱，作为 NVIDIA MONAI 的一部分提供，NVIDIA MONAI 是 NVIDIA AI Enterprise 支持的 MONAI 发行版。它建立在开源 MONAI 框架之上，提供增强的功能和为商业应用量身定制的企业级支持。
该工具包包括一个基本容器和一个精选的包含 15 个预训练模型的库，涵盖广泛的医学影像模式，包括 CT、MR、病理学和内窥镜检查。此工具包在 NGC 上提供，使数据科学家和临床研究人员能够加速他们在医学影像领域的 AI 开发。
主要功能
NVIDIA MONAI 工具包显著加速了训练时间，将其从数周或数月缩短至仅需数天。它支持跨各种平台的联邦学习，并提供与现有 PyTorch 工作流程的无缝集成。该工具包提供专门为医学影像 AI 开发设计的领域特定工具，使其成为该领域专业人士的宝贵资源。
主要功能包括
标准化的 AI 模型开发，以实现可重复性和协作
可扩展性，以处理大规模医学影像数据集
与各种医学影像格式和临床工作流程的互操作性
持续更新，以确保访问前沿工具和技术
联邦学习支持，用于协作研究，同时维护数据隐私
组件
MONAI Label
MONAI Label 是一种智能标注和学习工具，它利用主动学习将数据标注成本降低高达 75%。它与流行的开源查看器（如 3D Slicer、OHIF、QuPath、Digital Slide Archive 和 CVAT）以及云服务提供商无缝集成。开发人员还可以使用文档完善的服务器和客户端 API 将 MONAI Label 集成到自定义查看器中。
MONAI Label 的主动学习能力尤其值得关注。此过程旨在用最少量的数据实现尽可能高的模型性能。通过将人工标注员的注意力集中在最具影响力的数据点上，MONAI Label 显著提高了标注和训练效率，同时提高了整体模型性能。
MONAI Core
MONAI Core 是一个 PyTorch 驱动的库，专门为医学影像领域的深度学习任务而设计。它提供对于开发医学影像训练工作流程至关重要的领域优化功能。主要功能包括
智能缓存：优化数据加载和处理，以加快训练迭代速度
GPU 加速 I/O：利用 GPU 算力加速数据输入/输出操作
优化的变换：提供高效的数据增强和预处理技术
这些功能显著缩短了训练时间，从数天缩短到数小时，甚至数分钟，大大提高了研究人员的生产力和吞吐量。
Auto3DSeg 功能允许开发人员仅用 1-5 行代码训练 3D 分割模型，将训练时间从数周或数月缩短至仅仅 2 天。开发时间的这种显著减少允许更快的迭代和实验。
MONAI Core 还支持联邦学习，其客户端算法 API 可以与 NVIDIA FLARE 等平台集成。这支持跨机构的协作学习，同时维护数据隐私，这是医学 AI 研究中的一个关键特性。
MONAI Model Zoo
MONAI Model Zoo 提供一个精选的包含 25 个预训练模型（NVIDIA 提供 15 个）的库，涵盖各种医学影像领域。这个扩展的集合涵盖了更广泛的应用，使数据科学家和临床研究人员能够通过利用现有的、经过良好调整的模型来快速启动他们的 AI 开发。这些模型可以作为迁移学习的优秀起点，或作为新模型开发的基准。
入门资源
为了简化入门过程，NVIDIA MONAI 工具包包括精选的 Jupyter 笔记本和全面的教程资源。这些材料帮助用户快速熟悉工具包的功能和最佳实践。这些笔记本涵盖从基本用法到高级技术的各种主题，确保各个级别的用户都能从工具包中受益。
目标用户
研究人员：深度学习研究人员可以使用 MONAI 构建新颖的领域特定模型和技术，推动工作流程或产品的 AI 驱动加速。
数据科学家：MONAI 帮助数据科学家调整现有的最先进的领域技术，以适应特定的数据和用例，改进和微调数据科学管道以适应临床工作流程或应用。
应用开发者：平台开发者可以利用 MONAI 组件构建全面的解决方案，例如使用 MONAI Label 的标注平台或与数据存储集成的完整 ML 平台，以实现高效的数据流管理。
IT 管理员：IT 管理员可以轻松配置和部署系统以部署 MONAI 工具包沙箱，为企业数据科学和研究团队提供一个强大、即用型的环境。
其他资源
有关 NVIDIA MONAI 的更多信息以及入门指南，请访问以下资源
如需技术支持或了解有关许可选项的更多信息，请联系 NVIDIA 企业支持。