Ten post został napisany wspólnie ze Stephenem Aylwardem, Mattem McCormickiem, Brianną Major z Kitware i Justinem Kirbym z Frederick National Laboratory for Cancer Research (FNLCR).
Laboratorium Amazon SageMaker Studio zapewnia bezpłatny dostęp do środowiska programistycznego uczenia maszynowego (ML) dla każdego, kto ma adres e-mail. Podobnie jak w pełni funkcjonalne Amazon SageMaker Studio, Studio Lab umożliwia dostosowanie własnych Środowisko Condy i twórz skalowalne procesory i karty graficzne Notebooki JupyterLab w wersji 3, z łatwym dostępem do najnowszych narzędzi zwiększających produktywność analizy danych i bibliotek typu open source. Ponadto bezpłatne konta Studio Lab obejmują co najmniej 15 GB pamięci trwałej, umożliwiając ciągłe utrzymywanie i rozwijanie projektów w wielu sesjach oraz umożliwiając natychmiastowe wznowienie od miejsca, w którym zostało przerwane, a nawet dzielenie się bieżącą pracą i środowiskiem pracy z innymi.
Kluczowym problemem, przed którym stoi społeczność zajmująca się obrazami medycznymi, jest umożliwienie naukowcom eksperymentowania i eksploracji tych podstawowych narzędzi. Aby rozwiązać to wyzwanie, zespoły AWS współpracowały z Akcesoria kuchenne i Frederick Narodowe Laboratorium Badań nad Rakiem (FNLCR) aby połączyć trzy główne zasoby sztucznej inteligencji do obrazowania medycznego dla Studio Lab i całej społeczności JupyterLab o otwartym kodzie źródłowym:
Te narzędzia i dane pozwalają naukowcom AI zajmującym się obrazowaniem medycznym szybko opracować i dokładnie ocenić klinicznie gotowe algorytmy głębokiego uczenia się w kompleksowym i przyjaznym dla użytkownika środowisku. Członkowie zespołów z FNLCR i Kitware współpracowali przy tworzeniu serii notatników Jupyter, które demonstrują wspólne przepływy pracy w celu programowego dostępu do danych TCIA i ich wizualizacji. Notesy te wykorzystują Studio Lab, aby umożliwić naukowcom uruchamianie notatników bez konieczności konfigurowania własnego lokalnego środowiska programistycznego Jupyter — możesz szybko eksplorować nowe pomysły lub zintegrować swoją pracę z prezentacjami, warsztatami i samouczkami na konferencjach.
Poniższy przykład ilustruje Studio Lab uruchamiające notatnik Jupyter, który pobiera dane MRI prostaty TCIA, segmentuje je za pomocą MONAI i wyświetla wyniki za pomocą itkWidgets.
Chociaż możesz z łatwością przeprowadzać mniejsze eksperymenty i prezentacje za pomocą przykładowych notatników przedstawionych w tym poście w Studio Lab za darmo, zaleca się używanie Studio Amazon SageMaker podczas trenowania własnych modeli obrazów medycznych na dużą skalę. Amazon SageMaker Studio to zintegrowane internetowe środowisko programistyczne (IDE) z funkcjami zabezpieczeń, zarządzania i monitorowania klasy korporacyjnej, z których można uzyskać dostęp do specjalnie zaprojektowanych narzędzi do wykonywania wszystkich etapów programowania uczenia maszynowego. Biblioteki typu open source, takie jak MONAI Core i itkWidgets, również działają w Amazon SageMaker Studio.
Zainstaluj rozwiązanie
Aby uruchomić notebooki TCIA w Studio Lab, musisz zarejestrować konto przy użyciu adresu e-mail na stronie Witryna internetowa studia Lab. Zatwierdzenie prośby o konto może potrwać od 1 do 3 dni.
Następnie możesz wykonać kroki instalacji, aby rozpocząć:
- Zaloguj się do Studio Lab i uruchom środowisko wykonawcze procesora.
- Na osobnej karcie przejdź do Notebooki TCIA repozytorium GitHub i wybierz notatnik w folderze głównym repozytorium.
- Dodaj Otwórz laboratorium studyjne aby otworzyć notatnik w Studio Lab.
- Z powrotem w Studio Lab, wybierz Skopiuj do projektu.
- Wybierz w nowym wyskakującym okienku JupyterLab Sklonuj całe repozytorium.
- W następnym oknie zachowaj ustawienia domyślne i wybierz Clone.
- Dodaj OK po wyświetleniu monitu o potwierdzenie budowy nowego środowiska Conda (
medical-image-ai
).
Budowa środowiska Conda zajmie do 5 minut. - W terminalu, który został otwarty w poprzednim kroku, uruchom następujące polecenie, aby zainstalować NodeJS w
studiolab
Następnie środowisko Conda, które jest wymagane do zainstalowania rozszerzenia ImJoy JupyterLab 3:conda install -y -c conda-forge nodejs
Teraz instalujemy rozszerzenie ImJoy Jupyter za pomocą Menedżera rozszerzeń Studio Lab, aby umożliwić interaktywne wizualizacje. Rozszerzenie Imjoy umożliwia itkWidgets i innym procesom intensywnie korzystającym z danych komunikację z lokalnymi i zdalnymi środowiskami Jupyter, w tym notatnikami Jupyter, JupyterLab, Studio Lab i tak dalej. - W Menedżerze rozszerzeń wyszukaj „imjoy” i wybierz Zainstalować.
- Po wyświetleniu monitu potwierdź odbudowanie jądra.
- Dodaj Zapisz i przeładuj kiedy budowa jest zakończona.
Po zainstalowaniu rozszerzenia ImJoy będziesz mógł zobaczyć ikonę ImJoy w górnym menu swoich notebooków.
Aby to zweryfikować, przejdź do przeglądarki plików, wybierz plik TCIA_Image_Visualalization_with_itkWidgets
notatnik i wybierz medical-image-ai
jądro, aby go uruchomić.
Ikona ImJoy będzie widoczna w lewym górnym rogu menu notebooka.
Dzięki tym krokom instalacji pomyślnie zainstalowałeś medical-image-ai
Jądro Pythona i rozszerzenie ImJoy jako warunek wstępny do uruchomienia notatników TCIA wraz z itkWidgets w Studio Lab.
Przetestuj rozwiązanie
Stworzyliśmy zestaw notatników i samouczek przedstawiający integrację tych technologii sztucznej inteligencji w Studio Lab. Upewnij się, że wybrałeś medical-image-ai
Jądro Pythona podczas uruchamiania notatników TCIA w Studio Lab.
Pierwszy notatnik SageMaker pokazuje, jak pobierać obrazy DICOM z TCIA i wizualizować te obrazy za pomocą kinowych możliwości renderowania objętościowego itkWidgets.
Drugi notatnik pokazuje, w jaki sposób adnotacje ekspertów, które są dostępne dla setek badań nad TCIA, można pobrać jako obiekty DICOM SEG i RTSTRUCT, zwizualizować w 3D lub jako nakładki na plastry 2D i wykorzystać do szkolenia i oceny systemów głębokiego uczenia się.
Trzeci notatnik pokazuje, w jaki sposób wstępnie wytrenowane modele głębokiego uczenia MONAI dostępne w Model Zoo MONAI można pobrać i wykorzystać do segmentacji objętości TCIA (lub własnych) DICOM MRI prostaty.
Dodaj Otwórz laboratorium studyjne w tych i innych notebookach JupyterLab, aby uruchomić te notebooki w swobodnie dostępnym środowisku Studio Lab.
Sprzątać
Po wykonaniu kroków instalacji opisanych w tym poście i utworzeniu pliku medical-image-ai
Conda, możesz chcieć je usunąć, aby zaoszczędzić miejsce. Aby to zrobić, użyj następującego polecenia:
conda remove --name medical-image-ai --all
Możesz także odinstalować rozszerzenie ImJoy za pomocą Menedżera rozszerzeń. Pamiętaj, że jeśli chcesz później kontynuować pracę z notatnikami TCIA na swoim koncie Studio Lab, będziesz musiał ponownie utworzyć środowisko Conda i ponownie zainstalować rozszerzenie ImJoy.
Zamknij kartę i nie zapomnij wybrać Zatrzymaj środowisko wykonawcze na stronie projektu Studio Lab.
Wnioski
SageMaker Studio Lab jest dostępny bezpłatnie dla społeczności zajmujących się badaniami AI obrazu medycznego i może być używany do modelowania AI obrazu medycznego i interaktywnej wizualizacji obrazu medycznego w połączeniu z MONAI i itkWidgets. Otwartych danych TCIA i przykładowych notatników można używać w Studio Lab podczas wydarzeń szkoleniowych, takich jak hackatony i warsztaty. Dzięki temu rozwiązaniu naukowcy i badacze mogą szybko eksperymentować, współpracować i wprowadzać innowacje za pomocą AI obrazu medycznego. Jeśli masz konto AWS i skonfigurowałeś domenę SageMaker Studio, możesz także uruchamiać te notatniki w Studio przy użyciu domyślnego jądra Data Science Pythona (z ImJoy-jupyter-extension
zainstalowany) podczas wybierania z a różne typy instancji obliczeniowych.
Studio Lab również uruchomiła nową funkcję na AWS re:Invent 2022 wziąć notatniki opracowane w Studio Lab i uruchamiać je jako zadania wsadowe zgodnie z cyklicznym harmonogramem na kontach AWS. W związku z tym możesz skalować swoje eksperymenty uczenia maszynowego poza bezpłatne ograniczenia obliczeniowe Studio Lab i używać mocniejszych instancji obliczeniowych ze znacznie większymi zestawami danych na swoich kontach AWS.
Jeśli chcesz dowiedzieć się więcej o tym, jak AWS może pomóc Twojej organizacji zajmującej się opieką zdrowotną lub naukami przyrodniczymi, skontaktuj się z an przedstawiciel AWS. Aby uzyskać więcej informacji na temat MONAI i itkWidgets, prosimy o kontakt Akcesoria kuchenne. Nowe dane są na bieżąco dodawane do TCIA, a Twoje sugestie i wkład są mile widziane, odwiedzając stronę stronie TCIA.
Dalsze czytanie
O autorach
Stephena Aylwarda jest starszym dyrektorem ds. inicjatyw strategicznych w Kitware, adiunktem na wydziale informatyki na Uniwersytecie Północnej Karoliny w Chapel Hill oraz członkiem stowarzyszenia MICCAI Society. Dr Aylward założył biuro Kitware w Karolinie Północnej, był liderem kilku inicjatyw open source, a obecnie jest przewodniczącym rady doradczej MONAI.
Matta McCormicka, PhD, jest wybitnym inżynierem w Kitware, gdzie kieruje rozwojem Insight Toolkit (ITK), zestawu narzędzi do naukowej analizy obrazu. Był głównym badaczem i współbadaczem kilku grantów badawczych z National Institutes of Health (NIH), kierował spotkaniami z krajowymi laboratoriami Stanów Zjednoczonych i kierował różnymi projektami komercyjnymi dostarczającymi zaawansowane oprogramowanie dla urządzeń medycznych. Dr McCormick jest zdecydowanym orędownikiem otwartego oprogramowania kierowanego przez społeczność, otwartej nauki i powtarzalnych badań.
Brianna Major jest inżynierem ds. badań i rozwoju w firmie Kitware z pasją do tworzenia oprogramowania i narzędzi typu open source, które przyniosą korzyści społecznościom medycznym i naukowym.
Justina Kirby'ego jest kierownikiem projektu technicznego w Frederick National Laboratory for Cancer Research (FNLCR). Jego praca koncentruje się na metodach umożliwiających udostępnianie danych przy jednoczesnym zachowaniu prywatności pacjentów w celu poprawy powtarzalności i przejrzystości badań obrazowania raka. Jego zespół założył The Cancer Imaging Archive (TCIA) w 2010 r., które społeczność naukowa wykorzystała do opublikowania ponad 200 zestawów danych związanych z manuskryptami, grantami, konkursami i głównymi inicjatywami badawczymi NCI. Te zbiory danych zostały omówione w ponad 1,500 recenzowanych publikacjach.
gang fu jest Architektem Rozwiązań dla Opieki Zdrowotnej w AWS. Posiada tytuł doktora nauk farmaceutycznych Uniwersytetu Mississippi i ponad dziesięcioletnie doświadczenie w dziedzinie technologii i badań biomedycznych. Pasjonuje się technologią i jej wpływem na opiekę zdrowotną.
Alex Lem jest Business Development Managerem w dziale obrazowania medycznego w AWS. Alex definiuje i realizuje strategie wejścia na rynek z partnerami w dziedzinie obrazowania i kieruje rozwojem rozwiązań w celu przyspieszenia badań obrazowania medycznego w chmurze opartych na sztucznej inteligencji/uczeniu maszynowym. Pasjonuje się integracją frameworków ML open source ze stosem AWS AI/ML.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/share-medical-image-research-on-amazon-sagemaker-studio-lab-for-free/
- 1
- 100
- 2D
- 3d
- 77
- a
- Zdolny
- O nas
- przyśpieszyć
- dostęp
- dostępny
- Konto
- Konta
- w poprzek
- w dodatku
- adres
- zaawansowany
- doradczy
- Rada doradcza
- rzecznik
- Po
- AI
- ai badania
- AI / ML
- alex
- Algorytmy
- Wszystkie kategorie
- Pozwalać
- pozwala
- Amazonka
- Amazon Sage Maker
- Studio Amazon SageMaker
- Laboratorium Amazon SageMaker Studio
- analiza
- i
- zatwierdzony
- Archiwum
- dostępny
- AWS
- AWS re: Invent
- podstawa
- zanim
- jest
- korzyści
- Poza
- większe
- biomedyczny
- deska
- przynieść
- przeglądarka
- budować
- biznes
- rozwój biznesu
- Rak
- badania nad rakiem
- możliwości
- nieść
- Krzesło
- wyzwanie
- Dodaj
- Chmura
- współpracować
- współpracował
- COM
- połączenie
- połączyć
- handlowy
- wspólny
- komunikować
- społeczności
- społeczność
- Kierowane przez społeczność
- Konkursy
- kompletny
- wszechstronny
- obliczać
- komputer
- konferencje
- Potwierdzać
- skontaktuj się
- kontynuować
- bez przerwy
- składki
- rdzeń
- Corner
- Koszty:
- CPU
- Stwórz
- stworzony
- dostosować
- dane
- nauka danych
- udostępnianie danych
- zbiory danych
- Dni
- głęboko
- głęboka nauka
- Domyślnie
- Domyślnie
- Definiuje
- wykazać
- Demos
- rozwijać
- rozwinięty
- rozwijanie
- oprogramowania
- urządzenia
- Dyrektor
- omówione
- wyświetlacze
- Wybitny
- domena
- nie
- pobieranie
- pliki do pobrania
- z łatwością
- umożliwiać
- umożliwiając
- inżynier
- klasy korporacyjnej
- Cały
- Środowisko
- środowiska
- niezbędny
- Eter (ETH)
- oceniać
- ewaluację
- Parzyste
- wydarzenia
- wszyscy
- przykład
- Wykonuje
- doświadczenie
- eksperyment
- ekspert
- odkryj
- rozbudowa
- w obliczu
- Cecha
- polecane
- Korzyści
- facet
- filet
- i terminów, a
- koncentruje
- obserwuj
- następnie
- następujący
- Założony
- Ramy
- Frederick
- Darmowy
- od
- w pełni
- otrzymać
- gif
- GitHub
- Idź do sklepu
- zarządzanie
- Dotacje
- Hackathony
- Zdrowie
- opieki zdrowotnej
- pomoc
- posiada
- W jaki sposób
- How To
- HTML
- HTTPS
- Setki
- ICON
- pomysły
- obraz
- Analiza obrazu
- zdjęcia
- Obrazowanie
- Rezultat
- podnieść
- in
- zawierać
- Włącznie z
- Informacja
- inicjatywy
- wprowadzać innowacje
- wgląd
- zainstalować
- zainstalowany
- przykład
- integrować
- zintegrowany
- Integracja
- integracja
- interaktywne
- zainteresowany
- problem
- IT
- Oferty pracy
- Notebook Jupyter
- Justin
- Trzymać
- Klawisz
- laboratorium
- laboratorium
- firmy
- uruchomić
- lider
- Wyprowadzenia
- nauka
- Doprowadziło
- biblioteki
- życie
- Life Sciences
- Ograniczenia
- miejscowy
- maszyna
- uczenie maszynowe
- utrzymać
- poważny
- robić
- kierownik
- medyczny
- urządzenia medyczne
- obrazowanie medyczne
- Użytkownicy
- Menu
- metody
- minimum
- minuty
- Mississippi
- ML
- model
- modelowanie
- modele
- monitorowanie
- jeszcze
- MRI
- wielokrotność
- narodowy
- Narodowy Instytut Zdrowia
- Nawigacja
- Potrzebować
- Nowości
- Nowa cecha
- Następny
- NIH
- Północ
- Karolina Północna
- notatnik
- laptopy
- obiekty
- Biurowe
- trwający
- koncepcja
- otwarte danych
- open source
- Oprogramowanie typu open source
- otwierany
- otwiera
- organizacja
- Inne
- Pozostałe
- własny
- wzmacniacz
- pasja
- namiętny
- pacjent
- par
- wykonać
- Przemysł farmaceutyczny
- wybierać
- plato
- Analiza danych Platona
- PlatoDane
- Proszę
- pop-up
- Post
- mocny
- Presentations
- przedstawione
- Główny
- prywatność
- procesów
- wydajność
- Narzędzia zwiększające wydajność
- Profesor
- projekt
- projektowanie
- zapewnia
- że
- publikacje
- publikować
- Python
- szybko
- RE
- gotowy
- Zalecana
- powtarzające się
- zarejestrować
- związane z
- zdalny
- usunąć
- wykonanie
- składnica
- wywołań
- wymagany
- Badania naukowe
- badania i rozwój
- Społeczność Badania
- Badacze
- Zasoby
- Efekt
- recenzja
- korzeń
- run
- bieganie
- sagemaker
- Laboratorium studyjne SageMaker
- Zapisz
- Skala
- rozkład
- nauka
- NAUKI
- Naukowcy
- Szukaj
- druga
- bezpieczeństwo
- segment
- Segmenty
- wybierając
- senior
- oddzielny
- Serie
- Sesje
- zestaw
- kilka
- Share
- dzielenie
- Targi
- mniejszy
- So
- Społeczeństwo
- Tworzenie
- rozwiązanie
- Rozwiązania
- ROZWIĄZANIA
- Źródło
- Typ przestrzeni
- stos
- początek
- rozpoczęty
- Zjednoczone
- Ewolucja krok po kroku
- Stephen
- Cel
- przechowywanie
- Strategiczny
- strategie
- silny
- badania naukowe
- studio
- Z powodzeniem
- systemy
- Brać
- zespół
- Zespoły
- Techniczny
- Technologies
- Technologia
- dziesięć
- terminal
- Połączenia
- ich
- w związku z tym
- Trzeci
- całkowicie
- trzy
- do
- razem
- Zestaw narzędzi
- narzędzia
- Top
- Pociąg
- Trening
- Przezroczystość
- Tutorial
- tutoriale
- Zjednoczony
- United States
- uniwersytet
- posługiwać się
- łatwy w obsłudze
- różnorodny
- zweryfikować
- wersja
- przez
- widoczny
- wyobrażanie sobie
- wyobrażać sobie
- Tom
- kłęby
- Web-based
- powitanie
- który
- Podczas
- będzie
- bez
- Praca
- pracował
- przepływów pracy
- pracujący
- warsztaty
- lat
- Twój
- zefirnet
- ZOO