深度學習模型已經成功地應用于醫學圖像分析問題中，但是它們需要大量的標記圖像才能獲得良好的性能。創建這樣的注釋是乏味的，耗時的，并且通常需要臨床專業知識。

為了彌補這一差距，項目 MONAI 發布了 MONAI Label v0.1 ，這是一個智能的開源圖像標記和學習工具，可幫助研究人員和臨床醫生協作，輕松快速地創建帶注釋的數據集，并以標準化的 MONAI 范式構建人工智能模型。

MONAI 標簽通過不斷學習用戶的交互和新標簽，使人工智能模型能夠適應手頭的臨床任務。它提供了人工智能輔助的注釋體驗，允許研究人員和開發人員通過臨床醫生（通常是醫學成像人工智能模型的最終用戶）的迭代反饋，不斷改進他們的應用程序。

在費城兒童醫院（ CHOP ）， Matthew Jolley 博士解釋了他們是如何利用機器學習算法進行創新和推動臨床效果的。

“先天性心臟病患兒具有廣泛的解剖學基礎，目前幾乎沒有現成的工具來促進基于圖像的結構分型和針對患者的復雜心臟干預計劃。然而，目前基于三維圖像的心臟模型創建速度很慢，甚至在有經驗的建模人員手中也是如此，因此，我們一直致力于開發機器學習算法來創建先天性心臟病患兒的心臟瓣膜模型，例如左心發育不全綜合征的三尖瓣。基于機器學習的自動化技術的不斷發展將允許快速建模和精確量化功能失調瓣膜與正常瓣膜在多個參數上的差異。然后，我們可以將個體的“結構瓣膜輪廓”在解剖和功能的 spe CTR um 中進行上下文化，我們可以在最終可能為改善兒童的醫療決策和干預措施提供信息。”

有了 MONAI 標簽，我們設想創建一個社區的研究者和臨床醫生像 Jolley 博士和他的團隊誰可以建立在一個維護良好的軟件基礎上，將加速合作，通過持續學習。 MONAI 標簽團隊和 CHOP 通過切片器周項目合作，成功開發了一個用于三維超聲心動圖（ 3DE ）圖像中心臟瓣膜小葉分割的 MONAI 標簽應用程序。該團隊目前正致力于將該模型作為 MONAI 標簽應用程序部署在 CHOP 的面向公眾服務器上，臨床醫生可以直接與該模型交互，并觸發一個適應訓練循環– 了解更多 。

對于像 Project MONAI 這樣的開放源碼項目來說，讓臨床醫生參與到開發醫療成像領域人工智能生命周期管理通用最佳實踐的過程中是非常重要的。引用喬利博士的話：

“像 Project MONAI 這樣的開源框架提供了一個標準化的、透明的、可復制的模板，用于創建和部署以醫學圖像為中心的機器學習模型，加強了我們的工作。它們使我們能夠專注于研究新的算法及其應用，而不是開發和維護軟件基礎設施。這反過來又加快了研究進展，我們正在積極將其轉化為與我們所服務的兒科社區實際相關的工具。”

MONAI 標簽 V0.1 中包括什么

MONAI Label 是一個開源的服務器客戶機系統，易于設置，可以在一臺有一到兩個 GPU 的機器上本地運行。初始版本還不支持多個用戶會話，因此服務器和客戶端都在同一臺機器上運行。

MONAI 標簽實現了 MONAI 的核心承諾，即模塊化、 Pythonic 、可擴展、易于調試、用戶友好和可移植。

MONAI v0.1 包括：

MONAI 標簽服務器： REST API 便于與查看器客戶端（切片器、 OHIF 等）通信的服務器。

MONAI 標簽樣本應用程序，可適用于 MR / CT 成像方式的給定臨床任務，包括由 MONAI 研究人員開發的 DeepGrow 和 DeepEdit 。

在 v0.1 中，我們為 MONAI 標簽發布了一個 3DSlicer 插件，以啟動用戶在 MONAI 標簽體驗中的體驗

NVIDIA Clara AIAA 的未來版本也將利用 MONAI 標簽框架。我們將繼續為 NVIDIA Clara 醫學成像工具和 MONAI 的開發工作聯合起來，為醫療成像領域的研究人員和開發人員提供領域優化、強大的軟件工具。

借助參與社區的貢獻， MONAI Label 旨在降低貼標成本，最大限度地促進研究人員和臨床醫生之間的合作。現在就開始使用 MONAI 標簽 github 上提供的示例應用程序，并遵循 MONAI 標簽文檔 中提供的逐步入門指南。

關于作者

Prerna Dogra 是 NVIDIA 醫療保健部門的產品經理，負責領導 Clara 應用程序框架，致力于使開發人員能夠利用實時分析、人工智能和高級可視化技術改造醫療成像行業。 Prerna 熱衷于將 GPU 計算應用到醫療保健領域，并構建一個豐富的合作伙伴生態系統。在加入 NVIDIA 之前， Prerna 是一名高級圖形軟件工程師，將 GPU 的力量引入游戲和專業可視化領域。 PRENA 擁有蓋恩斯維爾佛羅里達大學的計算機工程碩士學位。

審核編輯：郭婷