記事の紹介：近年、医療用人工知能が急速に発展し、イメージングAI、新薬研究開発AI、ロボットAI、スマートホスピタルなど細分化されたシナリオが次々と登場しています。 AI を活用した医療サービスは、人間の生理機能からあらゆる病気、さらには病院運営に至るまで、あらゆるものを進歩させることができます。 RSNA カンファレンスで、NVIDIA は AI 医療画像エコシステムの構築を支援する実践方法を共有しました。中でもMONAIは、NVIDIAテクノロジーによって高速化されたオープンソースの医用画像AIフレームワークで、ダウンロード数は65万回を超えています。 MONAI アプリケーション パッケージ (MAP) を使用すると、MONAI はモデルを臨床ワークフローにさらに簡単に統合できます。医用画像 AI を MAP に導入する 現在、病院が画像部門に複数の AI モデルを導入したい場合、

2023-04-12 コメント 0  938

記事の紹介：テクノロジーの継続的な発展に伴い、人工知能はシナリオに浸透し続け、あらゆる分野で広く使用されています。医療業界では、人工知能テクノロジーを使用して医師が医用画像を読み取るのを支援することで、効率が大幅に向上し、医師の作業強度と患者の待ち時間が短縮されます。人工知能が医療業界により良いサービスを提供できるようにするために、NVIDIA は 2 つの主要コンポーネント、MONAI と ClaraHoloscan を立ち上げました。 NVIDIA の医療ビジネス開発ディレクターである David Niewolny 氏は、医療画像処理は医療業界で最も重要なツールの 1 つであり、医療データの 90% 以上を占めていると述べました。したがって、医療用の医用画像システムでの人工知能の使用は、非常に重要なアプリケーション シナリオです。紹介文によると、ターゲットは

2023-04-18 コメント 0  1477

記事の紹介：画像のセグメンテーションは、医用画像解析において最も重要なタスクの 1 つであり、多くの臨床応用では最初で最も重要なステップとなることがよくあります。脳 MRI 解析では、画像セグメンテーションは、解剖学的構造の測定と視覚化、脳変化の分析、病理学的領域の描写、手術計画と画像に基づく介入に一般的に使用されます。セグメンテーションは、ほとんどの形態学的解析の前提条件です。この記事では、QuickNAT を使用して人間の脳の画像をセグメント化する方法を紹介します。データの視覚化と計算には、MONAI、PyTorch、および NumPy、TorchIO、matplotlib などの一般的な Python ライブラリを使用します。この記事では、主に次の側面を設計します: データセットのセットアップ、データ処理の検討、および適切なモデルトレーニングを作成するためのデータセットの準備

2023-05-05 コメント 0  1709