在医学影像分析中,基于深度学习的标注和分割能够大幅提升模型开发速度,但是要从零开发出一套有效的模型不但耗时,也需要大量的成本和有效的数据集,这些因素一直以来都是开发者最大的挑战。

2018年11月28日,NVIDIA推出基于深度学习的医学影像的迁移学习工具包(TLT)和 AI 医学图像标注工具包,就是为了帮助开发者解决这些挑战。

TLT是一个基于Python的工具包,开发人员能够利用预先训练好的模型,使用自己的数据集,重新训练让模型适应新的网络。并且该工具包还具备简单的添加、修剪和重新训练网络的能力,提高了深度学习训练流程的效率和准确性。

放射科医生治疗和诊断的过程比较繁琐,他们通常要花费数个小时来检查患者的医学影像资料,并手动标注出在图像中异常的位置。AI辅助标注SDK可以在医生诊断过程中提供协助,提高工作效率。并且通过迁移学习,AI辅助标注系统会不断学习,每一张新的标注影像都能够成为新的训练数据,从而进一步改善模型的准确度。

开发人员也可以利用NVIDIA的医学成像端到端深度学习工作流,将基于深度学习的医学影像的迁移学习工具包(TLT)和 AI 医学图像标注工具包部署到NVIDIA Clara医学影像平台上。

Clara医学影像平台核心是Clara AGX,以NVIDIA Xavier AI运算模组和Turing GPU为基础运算架构,辅以 Clara 软件开发套件,允许开发人员通过开发各种应用程序来处理现有系统的数据。Clara平台可以将存储在医疗设备中的数据转换为动态的医学影像数据,帮助医疗设备提升成像质量,降低因为医疗设备产生的误诊率。

1月10日晚8点,超级公开课NVIDIA专场第18讲将开讲,由NVIDIA解决方案架构师孙鹏、NVIDIA美国智能医疗研发团队经理徐大光共同主讲,主题为《如何利用迁移学习提升医学影像分析效率》。

如何利用迁移学习提升医学影像分析效率 | 超级公开课NVIDIA专场预告

课程信息

主题:如何利用迁移学习提升医学影像分析效率
时间:1月10日
地点:「机器学习」社群、智东西公开课小程序

课程内容

主题:如何利用迁移学习提升医学影像分析效率
讲师:NVIDIA解决方案架构师孙鹏、NVIDIA美国智能医疗研发团队经理徐大光
提纲
1.医疗影像发展近况简介
2.医疗影像平台Clara的成像原理及优势
3.人工智能对医学图像领域的影响
4.NVIDIA在智能医疗领域的研究
5.迁移学习在医学影像分析中的应用
6.提升医学影像分析效率的工具包介绍

讲师介绍

孙鹏,NVIDIA解决方案架构师,中国科学院大连化学物理研究所物理化学博士。博士期间从事分子反应动力学理论研究,负责组内GPU程序开发,参与国内RAPIDS首批用户测试工作。

徐大光,NVIDIA美国智能医疗研发团队经理,博士毕业于美国约翰霍普金斯大学,拥有10年医疗领域算法研究和产品开发经验,在国际顶级学术期刊和会议发表论文20余篇并且有20余项国际专利。其团队致力于医学影像方向的深度学习算法开发,目标是推动医学图像分析质量, 缩短研发人员和医生开发人工智能模型,算法或产品的时间。

入群路径

本次课程我们将设置主讲群,讲师将亲自入群交流。希望进入主讲群与老师认识和交流的朋友,扫描海报下方二维码添加智东西公开课联络员“动动(zhidxzb)”为好友,添加时请备注“姓名-公司-职位或姓名-学校-专业”,申请进入课程群交流。

社群规则

1、智东西社群坚持实名学习、交流和合作,入群后需要修改群昵称为:姓名-公司-所在领域,违者踢群;
2、禁止在群内广告和发送二维码等无关信息,违者踢群。