Este post foi escrito em parceria com Stephen Aylward, Matt McCormick, Brianna Major da Kitware e Justin Kirby do Frederick National Laboratory for Cancer Research (FNLCR).
Laboratório de estúdio do Amazon SageMaker fornece acesso sem custo para um ambiente de desenvolvimento de aprendizado de máquina (ML) para todos com um endereço de e-mail. Como o Amazon SageMaker Studio completo, o Studio Lab permite que você personalize seu próprio Ambiente Conda e criar escaláveis por CPU e GPU JupyterLab versão 3 notebooks, com fácil acesso às mais recentes ferramentas de produtividade de ciência de dados e bibliotecas de código aberto. Além disso, as contas gratuitas do Studio Lab incluem um mínimo de 15 GB de armazenamento persistente, permitindo que você mantenha e gaste continuamente seus projetos em várias sessões e permitindo que você continue instantaneamente de onde parou e até mesmo compartilhe seu trabalho em andamento e ambientes de trabalho com outras pessoas.
Uma questão fundamental enfrentada pela comunidade de imagens médicas é como permitir que os pesquisadores experimentem e explorem essas ferramentas essenciais. Para resolver esse desafio, as equipes da AWS trabalharam com Utensílios de cozinha e Laboratório Nacional Frederick para Pesquisa do Câncer (FNLCR) para reunir os três principais recursos de IA de imagens médicas para o Studio Lab e toda a comunidade JupyterLab de código aberto:
Essas ferramentas e dados se combinam para permitir que os pesquisadores de IA de imagens médicas desenvolvam rapidamente e avaliem minuciosamente algoritmos de aprendizado profundo clinicamente prontos em um ambiente abrangente e amigável. Os membros da equipe da FNLCR e da Kitware colaboraram para criar uma série de notebooks Jupyter que demonstram fluxos de trabalho comuns para acessar e visualizar dados TCIA de forma programática. Esses notebooks usam o Studio Lab para permitir que os pesquisadores executem os notebooks sem a necessidade de configurar seu próprio ambiente de desenvolvimento Jupyter local - você pode explorar rapidamente novas ideias ou integrar seu trabalho em apresentações, workshops e tutoriais em conferências.
O exemplo a seguir ilustra o Studio Lab executando um notebook Jupyter que baixa dados de ressonância magnética da próstata TCIA, os segmenta usando MONAI e exibe os resultados usando itkWidgets.
Embora você possa facilmente realizar experimentos e demonstrações menores com os notebooks de amostra apresentados neste post no Studio Lab gratuitamente, é recomendável usar Estúdio Amazon SageMaker quando você treina seus próprios modelos de imagens médicas em escala. O Amazon SageMaker Studio é um ambiente de desenvolvimento baseado na Web (IDE) integrado com recursos de segurança, governança e monitoramento de nível empresarial, a partir do qual você pode acessar ferramentas específicas para executar todas as etapas de desenvolvimento de ML. Bibliotecas de código aberto como MONAI Core e itkWidgets também são executadas no Amazon SageMaker Studio.
Instale a solução
Para executar os notebooks TCIA no Studio Lab, você precisa registrar uma conta usando seu endereço de e-mail no Site do StudioLab. As solicitações de conta podem levar de 1 a 3 dias para serem aprovadas.
Depois disso, você pode seguir as etapas de instalação para começar:
- Entrar no Studio Lab e iniciar um tempo de execução da CPU.
- Em uma guia separada, navegue até o Repositório GitHub de notebooks TCIA e escolha um notebook na pasta raiz do repositório.
- Escolha Laboratório de estúdio aberto para abrir o notebook no Studio Lab.
- De volta ao Studio Lab, escolha Copiar para o projeto.
- No novo pop-up do JupyterLab que é aberto, escolha Clonar repositório inteiro.
- Na próxima janela, mantenha os padrões e escolha clone.
- Escolha OK quando solicitado a confirmar a criação do novo ambiente Conda (
medical-image-ai
).
Construir o ambiente Conda levará até 5 minutos. - No terminal que abriu na etapa anterior, execute o seguinte comando para instalar o NodeJS no
studiolab
Ambiente Conda, que é necessário para instalar a extensão ImJoy JupyterLab 3 a seguir:conda install -y -c conda-forge nodejs
Agora instalamos a extensão ImJoy Jupyter usando o Studio Lab Extension Manager para permitir visualizações interativas. A extensão Imjoy permite que itkWidgets e outros processos intensivos em dados se comuniquem com ambientes Jupyter locais e remotos, incluindo notebooks Jupyter, JupyterLab, Studio Lab e assim por diante. - No Extension Manager, procure por “imjoy” e escolha Instale.
- Confirme para reconstruir o kernel quando solicitado.
- Escolha Salvar e recarregar quando a compilação estiver concluída.
Após a instalação da extensão ImJoy, você poderá ver o ícone ImJoy no menu superior de seus notebooks.
Para verificar isso, navegue até o navegador de arquivos, escolha o TCIA_Image_Visualalization_with_itkWidgets
caderno e escolha o medical-image-ai
kernel para executá-lo.
O ícone do ImJoy ficará visível no canto superior esquerdo do menu do notebook.
Com essas etapas de instalação, você instalou com êxito o medical-image-ai
Kernel Python e a extensão ImJoy como pré-requisito para executar os notebooks TCIA junto com itkWidgets no Studio Lab.
Teste a solução
Criamos um conjunto de notebooks e um tutorial que mostra a integração dessas tecnologias de IA no Studio Lab. Certifique-se de escolher o medical-image-ai
Kernel do Python ao executar os notebooks TCIA no Studio Lab.
O primeiro notebook SageMaker mostra como baixar imagens DICOM do TCIA e visualizar essas imagens usando os recursos de renderização de volume cinematográfico do itkWidgets.
o segundo caderno mostra como as anotações de especialistas disponíveis para centenas de estudos no TCIA podem ser baixadas como objetos DICOM SEG e RTSTRUCT, visualizadas em 3D ou como sobreposições em fatias 2D e usadas para treinamento e avaliação de sistemas de aprendizado profundo.
o terceiro caderno mostra como os modelos de aprendizado profundo MONAI pré-treinados disponíveis no Model Zoo do MONAI podem ser baixados e usados para segmentar volumes de ressonância magnética de próstata DICOM TCIA (ou seus próprios).
Escolha Laboratório de estúdio aberto nesses e em outros notebooks JupyterLab para iniciar esses notebooks no ambiente Studio Lab disponível gratuitamente.
limpar
Depois de seguir as etapas de instalação deste post e criar o medical-image-ai
Conda ambiente, você pode querer excluí-lo para economizar espaço de armazenamento. Para fazer isso, use o seguinte comando:
conda remove --name medical-image-ai --all
Você também pode desinstalar a extensão ImJoy através do Extension Manager. Esteja ciente de que você precisará recriar o ambiente Conda e reinstalar a extensão ImJoy se quiser continuar trabalhando com os notebooks TCIA em sua conta do Studio Lab posteriormente.
Feche sua aba e não se esqueça de escolher Parar tempo de execução na página do projeto Studio Lab.
Conclusão
O SageMaker Studio Lab é acessível gratuitamente às comunidades de pesquisa de IA de imagens médicas e pode ser usado para modelagem de IA de imagens médicas e visualização interativa de imagens médicas em combinação com MONAI e itkWidgets. Você pode usar dados abertos TCIA e notebooks de amostra com o Studio Lab em eventos de treinamento, como hackathons e workshops. Com esta solução, cientistas e pesquisadores podem experimentar, colaborar e inovar rapidamente com IA de imagens médicas. Se você possui uma conta da AWS e configurou um domínio do SageMaker Studio, também pode executar esses notebooks no Studio usando o kernel padrão Data Science Python (com o ImJoy-jupyter-extension
instalado) enquanto seleciona a partir de um variedade de tipos de instância de computação.
Laboratório de estúdio também lançou um novo recurso no AWS re:Invent 2022 para pegar os notebooks desenvolvidos no Studio Lab e executá-los como trabalhos em lote em uma programação recorrente em suas contas da AWS. Portanto, você pode dimensionar seus experimentos de ML além das limitações de computação gratuita do Studio Lab e usar instâncias de computação mais poderosas com conjuntos de dados muito maiores em suas contas da AWS.
Se estiver interessado em saber mais sobre como a AWS pode ajudar sua organização de saúde ou ciências biológicas, entre em contato com um representante da AWS. Para mais informações sobre MONAI e itkWidgets, entre em contato Utensílios de cozinha. Novos dados estão sendo adicionados ao TCIA continuamente, e suas sugestões e contribuições são bem-vindas visitando o Site da TCIA.
Outras leituras
Sobre os autores
Stephen Aylward é Diretor Sênior de Iniciativas Estratégicas da Kitware, Professor Adjunto de Computação na Universidade da Carolina do Norte em Chapel Hill e membro da MICCAI Society. O Dr. Aylward fundou o escritório da Kitware na Carolina do Norte, foi líder de várias iniciativas de código aberto e agora é presidente do conselho consultivo da MONAI.
Matt McCormick, PhD, é um Distinguished Engineer na Kitware, onde lidera o desenvolvimento do Insight Toolkit (ITK), um kit de ferramentas de análise de imagens científicas. Ele foi investigador principal e co-investigador de vários subsídios de pesquisa do National Institutes of Health (NIH), liderou compromissos com laboratórios nacionais dos Estados Unidos e liderou vários projetos comerciais fornecendo software avançado para dispositivos médicos. O Dr. McCormick é um forte defensor de software de código aberto voltado para a comunidade, ciência aberta e pesquisa reproduzível.
Brianna Major é um Engenheiro de Pesquisa e Desenvolvimento da Kitware com uma paixão pelo desenvolvimento de software e ferramentas de código aberto que beneficiarão as comunidades médica e científica.
JJustin Kirby é Gerente de Projetos Técnicos no Frederick National Laboratory for Cancer Research (FNLCR). Seu trabalho é focado em métodos para permitir o compartilhamento de dados preservando a privacidade do paciente para melhorar a reprodutibilidade e transparência na pesquisa de imagens de câncer. Sua equipe fundou o The Cancer Imaging Archive (TCIA) em 2010, que a comunidade de pesquisa aproveitou para publicar mais de 200 conjuntos de dados relacionados a manuscritos, doações, competições de desafio e grandes iniciativas de pesquisa do NCI. Esses conjuntos de dados foram discutidos em mais de 1,500 publicações revisadas por pares.
Gang Fu é Arquiteto de Soluções de Saúde na AWS. Ele é PhD em Ciências Farmacêuticas pela University of Mississippi e tem mais de dez anos de experiência em tecnologia e pesquisa biomédica. Ele é apaixonado por tecnologia e pelo impacto que ela pode causar na saúde.
Alex Lemm é gerente de desenvolvimento de negócios para imagens médicas na AWS. Alex define e executa estratégias de entrada no mercado com parceiros de imagens e impulsiona o desenvolvimento de soluções para acelerar a pesquisa de imagens médicas baseadas em IA/ML na nuvem. Ele é apaixonado por integrar estruturas de ML de código aberto com a pilha AWS AI/ML.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- Platoblockchain. Inteligência Metaverso Web3. Conhecimento Ampliado. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/share-medical-image-research-on-amazon-sagemaker-studio-lab-for-free/
- 1
- 100
- 2D
- 3d
- 77
- a
- Capaz
- Sobre
- acelerar
- Acesso
- acessível
- Conta
- Contas
- em
- adicionado
- endereço
- avançado
- consultivo
- conselho consultivo
- advogado
- Depois de
- AI
- ai pesquisa
- AI / ML
- alex
- algoritmos
- Todos os Produtos
- Permitindo
- permite
- Amazon
- Amazon Sage Maker
- Estúdio Amazon SageMaker
- Laboratório de estúdio do Amazon SageMaker
- análise
- e
- aprovou
- arquivo
- disponível
- AWS
- AWS re: Invent
- base
- antes
- ser
- beneficiar
- Pós
- maior
- biomédica
- borda
- trazer
- navegador
- construir
- negócio
- desenvolvimento de negócios
- Câncer
- pesquisa sobre o câncer
- capacidades
- transportar
- Cadeira
- desafiar
- Escolha
- Na nuvem
- colaborar
- colaborou
- COM
- combinação
- combinar
- comercial
- comum
- comunicar
- Comunidades
- comunidade
- Orientado para a comunidade
- Competições
- completar
- compreensivo
- Computar
- computador
- conferências
- Confirmar
- Contacto
- continuar
- continuamente
- contribuições
- núcleo
- Canto
- Custo
- CPU
- crio
- criado
- personalizar
- dados,
- ciência de dados
- compartilhamento de dados
- conjuntos de dados
- dias
- profundo
- deep learning
- Padrão
- defaults
- Define
- demonstrar
- Demos
- desenvolver
- desenvolvido
- em desenvolvimento
- Desenvolvimento
- Dispositivos/Instrumentos
- Diretor
- discutido
- monitores
- Distinto
- domínio
- não
- download
- de downloads
- facilmente
- permitir
- permitindo
- engenheiro
- de nível empresarial
- Todo
- Meio Ambiente
- ambientes
- essencial
- Éter (ETH)
- avaliar
- avaliação
- Mesmo
- eventos
- todos
- exemplo
- Executa
- vasta experiência
- experimentar
- especialista
- explorar
- extensão
- enfrentou
- Característica
- destaque
- Funcionalidades
- companheiro
- Envie o
- Primeiro nome
- focado
- seguir
- seguido
- seguinte
- Fundado
- enquadramentos
- Frederick
- Gratuito
- da
- totalmente
- ter
- gif
- GitHub
- Ir ao mercado
- governo
- subsídios
- Hackathons
- Saúde
- saúde
- ajudar
- detém
- Como funciona o dobrador de carta de canal
- Como Negociar
- HTML
- HTTPS
- Centenas
- ÍCONE
- idéias
- imagem
- análise de imagem
- imagens
- Imagiologia
- Impacto
- melhorar
- in
- incluir
- Incluindo
- INFORMAÇÕES
- iniciativas
- inovar
- introspecção
- instalar
- instalado
- instância
- integrar
- integrado
- Integração
- integração
- interativo
- interessado
- emitem
- IT
- Empregos
- Caderno Jupyter
- Justin
- Guarda
- Chave
- laboratório
- laboratório
- mais recente
- lançamento
- líder
- Leads
- aprendizagem
- levou
- bibliotecas
- vida
- Ciências da Vida
- limitações
- local
- máquina
- aprendizado de máquina
- a manter
- principal
- fazer
- Gerente
- médico
- dispositivos médicos
- imagiologia médica
- Membros
- Menu
- métodos
- mínimo
- minutos
- Mississipi
- ML
- modelo
- modelagem
- modelos
- monitoração
- mais
- MRI
- múltiplo
- Nacional
- National Institutes of Health
- Navegar
- você merece...
- Novo
- novo recurso
- Próximo
- NIH
- Norte
- Carolina do Norte
- caderno
- laptops
- objetos
- Office
- contínuo
- aberto
- dados abertos
- open source
- Software livre
- aberto
- abre
- organização
- Outros
- Outros
- próprio
- Parceiros
- paixão
- apaixonado
- paciente
- perscrutar
- realizar
- Farmacêutica
- escolher
- platão
- Inteligência de Dados Platão
- PlatãoData
- por favor
- pop-up
- Publique
- poderoso
- Apresentações
- apresentado
- Diretor
- política de privacidade
- processos
- produtividade
- Ferramentas de Produtividade
- Professor
- projeto
- projetos
- fornece
- fornecendo
- publicações
- publicar
- Python
- rapidamente
- RE
- pronto
- Recomenda
- recorrente
- cadastre-se
- relacionado
- remoto
- remover
- representação
- repositório
- pedidos
- requeridos
- pesquisa
- pesquisa e desenvolvimento
- Investigação da Comunidade
- pesquisadores
- Recursos
- Resultados
- Comentários
- raiz
- Execute
- corrida
- sábio
- Laboratório SageMaker Studio
- Salvar
- Escala
- cronograma
- Ciência
- CIÊNCIAS
- cientistas
- Pesquisar
- Segundo
- segurança
- segmento
- segmentos
- selecionando
- senior
- separado
- Série
- sessões
- conjunto
- vários
- Partilhar
- compartilhando
- Shows
- menor
- So
- Sociedade
- Software
- solução
- Soluções
- RESOLVER
- fonte
- Espaço
- pilha
- começo
- começado
- Unidos
- Passo
- Stephen
- Passos
- armazenamento
- Estratégico
- estratégias
- mais forte,
- caso
- estudo
- entraram com sucesso
- sistemas
- Tire
- Profissionais
- equipes
- Dados Técnicos:
- Tecnologias
- Equipar
- dez
- terminal
- A
- deles
- assim sendo
- Terceiro
- completamente
- três
- para
- juntos
- kit de ferramentas
- ferramentas
- topo
- Trem
- Training
- Transparência
- tutorial
- tutoriais
- Unido
- Estados Unidos
- universidade
- usar
- user-friendly
- vário
- verificar
- versão
- via
- visível
- visualização
- visualizar
- volume
- volumes
- Web-Based
- boas-vindas
- qual
- enquanto
- precisarão
- sem
- Atividades:
- trabalhou
- fluxos de trabalho
- trabalhar
- Workshops
- anos
- investimentos
- zefirnet
- ZOO