MONAI

MONAI（医疗开放人工智能网络）是一个协作性的开源项目，提供了一个全面的、基于PyTorch的框架，以推动人工智能在医疗影像领域的开发和部署。MONAI由NVIDIA和伦敦国王学院发起，现已发展成为一个充满活力的全球社区，汇集了研究人员、临床医生和行业专家。其核心使命是通过提供标准化的企业级工具，加速医疗技术的创新，从而弥合学术研究与临床实施之间的差距。

MONAI生态系统建立在三大支柱之上，每个支柱都针对医疗AI生命周期中的一个关键阶段：

• MONAI Core：一个特定领域的框架，用于训练最先进的医疗影像AI模型。它提供医疗专用的数据变换、如UNETR等前沿架构、一个预训练模型库以及自动化的机器学习流水线。
• MONAI Label：一个智能的、由AI辅助的图像标注工具。它通过使用主动学习策略，并与3D Slicer、OHIF和QuPath等流行的医疗查看器无缝集成，显著加快了高质量训练数据集的创建速度。
• MONAI Deploy：一个强大的框架，用于将AI模型打包并部署到临床环境中。它支持DICOM和FHIR等临床标准，并通过MONAI应用包（MAPs）实现容器化部署，以便无缝集成到现有工作流程中。

如何使用MONAI

开始使用MONAI取决于您的具体需求，无论是训练模型还是标注数据。

使用MONAI Core进行模型训练：

1. 安装：使用pip安装核心库。
   pip install monai
2. 开发您的工作流：创建一个Python脚本，使用MONAI丰富的变换集来定义您的数据加载和预处理流水线。例如：
   from monai.transforms import Compose, LoadImage, ScaleIntensity, AddChannel
transforms = Compose([LoadImage(image_only=True), AddChannel(), ScaleIntensity()])
image = transforms(image_path)
3. 训练模型：利用MONAI的网络架构、损失函数和训练循环，或利用Auto3DSeg功能实现自动化的、最先进的3D分割流水线。

使用MONAI Label进行AI辅助标注：

1. 安装：安装MONAI Label包。
   pip install monailabel
2. 下载示例应用和数据：通过下载预配置的应用程序和示例数据集快速入门。
   monailabel apps --download --name radiology --output apps
monailabel datasets --download --name Task09_Spleen --output datasets
3. 启动服务器：使用您选择的应用和数据启动MONAI Label服务器。
   monailabel start_server --app apps/radiology --studies datasets/Task09_Spleen/imagesTr
4. 连接并标注：将您偏好的医疗影像查看器（如3D Slicer）连接到服务器，并开始使用实时AI辅助进行标注。

MONAI的核心功能

• 端到端的医疗AI工作流：为从数据标注和预处理到模型训练、验证和临床部署的整个过程提供统一的工具包。
• 医疗专用工具包：提供针对2D、3D和4D医疗数据的高度专业化变换，以及特定领域的损失函数和评估指标（如Dice、Hausdorff距离）。
• 最先进的模型：包括一个拥有超过30个预训练模型的模型库，以及像UNETR和屡获殊荣的Auto3DSeg流水线这样的前沿架构，用于自动分割。
• 智能标注（MONAI Label）：具有AI辅助标注和主动学习功能，可将标注时间减少50-80%，同时提高模型性能。
• 临床部署框架（MONAI Deploy）：通过支持DICOM、FHIR和容器化的MONAI应用包（MAPs），简化了将AI模型集成到临床环境中的过程。
• 社区驱动和开源：在Apache 2.0许可下授权，通过GitHub、Slack和讨论论坛得到全球社区的强大支持，促进协作和创新。

MONAI的使用案例

MONAI正被领先的医疗机构和行业合作伙伴实施，以变革医疗影像工作流程。

• 放射学：用于CT和MRI扫描中器官（如肾脏、脾脏）的自动分割和肿瘤检测。梅奥诊所已将与MONAI兼容的模型集成到其临床放射学工作流程中，以提高效率和决策水平。
• 病理学：专门用于分析全切片图像，包括细胞检测和组织分类。它与QuPath等查看器集成，以加速病理学工作流程。
• 内窥镜检查：针对实时应用进行了优化，如视频序列中的息肉检测和手术工具跟踪。
• 企业部署：西门子医疗（Siemens Healthineers）为其数字市场采用了MONAI Deploy，实现了在其全球医疗网络中AI解决方案的标准化、企业级部署。

MONAI的优势特点

• 加速创新：大大缩短了开发、验证和部署医疗AI模型所需的时间。
• 标准化和可复现性：推广最佳实践并提供可复现的流水线，确保研究可靠且可转移。
• 连接研究与临床实践：为将AI模型从研究实验室转移到现实世界的临床应用提供了清晰而强大的途径。
• 灵活性和强大功能：基于PyTorch构建，提供灵活的模块化设计，既适合初学者也适合专家，易于定制。
• 企业级：为可扩展性、稳健性和无缝集成而设计，使其适用于要求苛刻的临床环境。

定价和计划

MONAI项目是一个完全免费的开源计划。其所有工具和框架，包括MONAI Core、MONAI Label和MONAI Deploy，都在宽松的Apache 2.0许可下提供，鼓励在学术和商业环境中的最大灵活性、协作和采用。