MONAI标签:用于人工智能辅助的3D医疗图像的交互标签的框架

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 有注释的数据集对于监督机器学习模型至关重要.
• 手动注释数据是耗时和昂贵的,阻碍了AI的发展.
• 需要有效的工具来加速创建注释医疗数据集.

研究的目的:

• 介绍MONAI标签,一个框架来减少放射学数据集的注释时间.
• 让研究人员能够开发和部署AI注释应用程序.
• 促进研究人员和临床医生之间的合作.

主要方法:

• 开发了MONAI Label作为一个免费的,开源的框架.
• 集成支持交互式和非交互式AI标签应用程序.
• 包括积极学习策略来增强细分算法培训.
• 启用了AI应用程序作为与3D Slicer和OHIF前端兼容的服务的部署.

主要成果:

• 使用MONAI Label的交互式模型显著减少了注释时间.
• 在两个公共放射学数据集上验证了性能.
• 为即时使用提供了plug-and-play标签应用程序.

结论:

• MONAI Label有效地解决了放射学中手册注释的瓶问题.
• 该框架使研究人员能够构建和共享AI驱动的注释工具.
• 促进AI模型在医学成像中的更快发展和部署.