人工智能应用程序用于医学图像分析使用pyCERR和癌症基因组学云

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 放射学研究 放射学研究

背景情况:

• 用于人工智能建模的医疗图像分析需要强大的软件和硬件基础设施.
• 当前的工作流程往往涉及复杂的安装和依赖,阻碍了可访问性.
• 整合各种数据类型和人工智能模型存在重大挑战.

研究的目的:

• 引入一个用户友好的,基于云的软件框架,用于医疗图像的AI分析.
• 使研究人员能够通过定制软件和硬件依赖来部署基于人工智能的工作流.
• 为了促进可重复的,端到端的放射性图像分析.

主要方法:

• 开发一个整合放射学研究计算环境 (pyCERR) 和癌症基因组学云 (CGC) 的框架.
• 将pyCERR移植到Python以进行增强的数据组织,访问和转换多模式数据集.
• 实施分析模块用于图像分割,放射学,DCE MRI和放射治疗模型.
• 为训练和推断卷积神经网络模型提供图像处理实用程序.
• 通过API实现往返分析,以实现无数据处理和结果检索.

主要成果:

• 一个云兼容的框架,促进基于人工智能的放射性图像分析.
• 在pyCERR中,可扩展的数据结构和多模式可视化工具.
• 在云基础设施上简化AI模型的部署和执行.
• 往返分析能力,消除了对本地专用软件或GPU硬件的需求.
• 用各种编程语言访问部署的AI模型的API.

结论:

• 提出的框架简化了端到端的放射性图像分析,并促进了可重现的研究.
• 它简化了数据管理,可视化和访问图像元数据的AI建模.
• 该框架提高了研究界对先进人工智能工具的可访问性.