为医学影像启用大规模深度学习
Summary: HPC、高性能计算、HPC 和 AI 创新实验室、NIVIDIA Clara 工具包、人工智能、医学成像
Symptoms
戴尔团队的 John Lockman 和 Rakshith Vasudev 于 2019 年 7 月在 Dell EMC HPC 和 AI 创新实验室撰写的文章
Cause
为医学影像启用大规模深度学习
Resolution
描述行：
新的 NVIDIA Clara AI 工具包使开发人员能够构建和部署医学成像应用程序，以创建智能仪器和自动化医疗保健工作流程。
在当今的医院中，由于诊断过程中越来越多地使用 CT 扫描、MRI 扫描和其他成像技术，医学影像技术人员正在争分夺秒地跟上工作量的步伐。在大型医院系统中，相对较少的技术人员现在可能会在一天内进行数百甚至数千次扫描。为了跟上数量，这些过度劳累的技术人员需要工具来协助分析复杂图像、识别难以检测的异常并找出疾病指标。
医疗机构越来越多地寻求人工智能来满足这些需求。借助深度学习技术，现在可以训练 AI 系统作为数字助理，承担医疗成像工作流带来的一些繁重工作。这并不是要用人工智能来取代训练有素的专业人员。这是关于使用 AI 来简化工作流程、提高效率并帮助游行人员识别需要立即关注的案件。医院 IT 部门需要制定战略，使其基础架构为 AI 做好准备。NVIDIA 与美国放射学会合作，使成千上万的放射科医生能够在他们自己的设施中使用自己的数据，在由数千家医院组成的庞大网络中创建和使用 AI。
NVIDIA Clara AI 是这些 AI 驱动的工具集之一，这是一个开放、可扩展的计算平台，支持为混合（嵌入式、本地或云）计算环境开发医学成像应用程序。借助 NVIDIA Clara AI 的功能，医院可以创建智能仪器和自动化医疗工作流程。
Clara AI 工具包
为了帮助组织将 Clara AI 投入使用， NVIDIA 提供了 Clara Deploy SDK。这个 Helm 打包的软件开发工具包包含一组 NVIDIA GPU 云 （NGC） 容器，这些 容器 协同工作以在 Kubernetes 中提供端到端医疗图像处理工作流。NGC 容器映像针对 NGC Ready GPU 加速系统（例如 Dell EMC PowerEdge™ C4140 和 Dell EMC PowerEdge™ R740xd）进行了优化。
Clara AI 容器包括用于计算、图形和 AI 的 GPU 加速库;用于图像处理和渲染的示例应用程序;以及 CT、MRI 和超声数据的计算工作流程。这些功能利用 Docker 和 Kubernetes 编排医疗影像工作流，并连接到 PACS（图片归档和通信系统）或扩展医疗仪器应用程序。
图 1.Clara AI 工具包体系结构
Clara AI 工具包降低了在医学成像工作流中采用 AI 的障碍。Clara AI Deploy SDK 包括：
- 用于与医院 PAC 系统通信的 DICOM 适配器数据引入接口
- 核心服务，用于编排和管理工作流部署和开发资源
- 可按原样使用用户定义的数据，也可以使用用户定义的 AI 算法进行修改的参考 AI 应用程序
- 用于监视进度和查看结果的可视化功能
工具包的服务器平台
对于希望利用 NVIDIA Clara AI 的组织，Dell EMC 提供支持 Clara AI 工具包的强大 GPU 加速服务器平台 — Dell EMC PowerEdge™ R740xd 机架式服务器和 Dell EMC PowerEdge™ C4140 机架式服务器。
PowerEdge R740xd 服务器实现了存储可扩展性和性能的平衡。这款 2U 双路平台支持 NVMe 驱动器和 Nvidia GPU，可满足 Clara AI 和医疗成像工作负载的需求。而 PowerEdge C4140 服务器则是一款针对加速器优化的 1U 机架式服务器，专为要求严苛的工作负载而设计。这款超高密度双路服务器支持四个 GPU，专为应对认知工作负载的挑战而构建，包括 AI、机器学习和深度学习。
在 Dell EMC 的 HPC 和 AI 创新实验室中，我们在运行 Red Hat Enterprise Linux 的 GPU 加速服务器上，将 Clara AI 工具包与 CT 器官分割和 CT 肝脏分割结合使用。对于这些测试，我们从 NIH 癌症图像档案 https://www.cancerimagingarchive.net/ 收集了腹部 CT 扫描数据，即一系列 2D 医学图像。我们使用 Clara AI 工具包中的工具来执行一个工作流程，该工作流程首先转换 DICOM 系列以供摄取，并从 CT 扫描（器官分割）中识别单个器官。
接下来，工作流程可以使用这些分割的器官作为输入来识别任何异常。完成分析后，系统会创建一个 MetaIO 注释的 3D 体积渲染器，可以在 Clara 渲染服务器中查看，也可以与医学图像查看器（如 ORTHANC 或 Oviyam2）并排比较的 DICOM 文件。Clara AI 工具包中包含的工具为希望利用 AI 功能的医学成像环境提供了快速启动。
图 2：Oviyam2 查看器并排演示 Clara AI 处理扫描与原始 CT 扫描
Clara AI 在工作中的应用
据英伟达称，虽然 Clara AI 是一款相对较新的产品，但它于 3 月推出，并于 6 月全面上市，该平台已经在一些主要医疗机构使用，包括俄亥俄州立大学、美国国立卫生研究院和加州大学旧金山分校。
美国国立卫生研究院临床中心和 NVIDIA 科学家使用 Clara AI 开发了一种域泛化方法，用于在 MRI 上将前列腺与周围组织分开。NVIDIA 博客指出，本地化模型“实现了与放射科医生相似的性能，并且优于根据来自同一领域的数据进行训练和评估的其他先进算法。”
正如这些早期采用者所展示的那样，NVIDIA Clara AI 平台可能会为希望利用 AI 实现医学成像大规模深度学习的组织带来大量价值。
图 3：通过 Clara AI 工具包确定的分段肝脏上的疾病
要了解更多信息，请执行以下操作：
要详细了解 NVIDIA Clara 的功能，请访问以下链接：
- Clara AI 工具包下载页面：
- 技术开发人员博客
- 开发者新闻：
- NVIDIA Clara 平台。