Dette indlæg er skrevet sammen med Stephen Aylward, Matt McCormick, Brianna Major fra Kitware og Justin Kirby fra Frederick National Laboratory for Cancer Research (FNLCR).
Amazon SageMaker Studio Lab giver gratis adgang til et maskinlærings (ML) udviklingsmiljø til alle med en e-mailadresse. Ligesom det fuldt udstyret Amazon SageMaker Studio, giver Studio Lab dig mulighed for at tilpasse din egen Conda miljø og skabe CPU- og GPU-skalerbare JupyterLab version 3 notesbøger, med nem adgang til de nyeste datavidenskabelige produktivitetsværktøjer og open source-biblioteker. Desuden inkluderer Studio Lab gratis konti minimum 15 GB vedvarende lagerplads, hvilket giver dig mulighed for løbende at vedligeholde og bruge dine projekter på tværs af flere sessioner og giver dig mulighed for øjeblikkeligt at fortsætte, hvor du slap og endda dele dit igangværende arbejde og arbejdsmiljøer med andre.
Et nøgleproblem, som det medicinske billedsamfund står over for, er, hvordan man gør det muligt for forskere at eksperimentere og udforske med disse vigtige værktøjer. For at løse denne udfordring arbejdede AWS-teams med Kitware , Frederick National Laboratory for Cancer Research (FNLCR) at samle tre store medicinske billeddannelses-AI-ressourcer til Studio Lab og hele open source JupyterLab-fællesskabet:
Disse værktøjer og data kombineres for at give medicinsk billeddannende AI-forskere mulighed for hurtigt at udvikle og grundigt evaluere klinisk klare deep learning-algoritmer i et omfattende og brugervenligt miljø. Teammedlemmer fra FNLCR og Kitware samarbejdede om at skabe en række Jupyter-notebooks, der demonstrerer almindelige arbejdsgange til programmæssig adgang til og visualisering af TCIA-data. Disse notesbøger bruger Studio Lab til at give forskere mulighed for at køre notesbøgerne uden at skulle oprette deres eget lokale Jupyter-udviklingsmiljø – du kan hurtigt udforske nye ideer eller integrere dit arbejde i præsentationer, workshops og tutorials på konferencer.
Følgende eksempel illustrerer, at Studio Lab kører en Jupyter notesbog, der downloader TCIA prostata MR-data, segmenterer dem ved hjælp af MONAI og viser resultaterne ved hjælp af itkWidgets.
Selvom du nemt kan udføre mindre eksperimenter og demoer med prøvenotesbøgerne, der præsenteres i dette indlæg på Studio Lab gratis, anbefales det at bruge Amazon SageMaker Studio når du træner dine egne medicinske billedmodeller i skala. Amazon SageMaker Studio er et integreret webbaseret udviklingsmiljø (IDE) med sikkerheds-, styrings- og overvågningsfunktioner i virksomhedskvalitet, hvorfra du kan få adgang til specialbyggede værktøjer til at udføre alle ML-udviklingstrin. Open source-biblioteker som MONAI Core og itkWidgets kører også på Amazon SageMaker Studio.
Installer løsningen
For at køre TCIA-notebooks på Studio Lab skal du registrere en konto ved hjælp af din e-mailadresse på Studio Labs hjemmeside. Kontoanmodninger kan tage 1-3 dage at blive godkendt.
Derefter kan du følge installationstrinnene for at komme i gang:
- Log ind på Studio Lab og start en CPU-runtime.
- I en separat fane skal du navigere til TCIA notebooks GitHub repo og vælg en notesbog i rodmappen på lageret.
- Vælg Åbn Studio Lab for at åbne notesbogen i Studio Lab.
- Tilbage i Studio Lab, vælg Kopier til projekt.
- I den nye JupyterLab-pop-up, der åbnes, skal du vælge Klon hele repoen.
- I det næste vindue skal du beholde standardindstillingerne og vælge Klon.
- Vælg OK når du bliver bedt om at bekræfte at bygge det nye Conda-miljø (
medical-image-ai
).
Opbygning af Conda-miljøet vil tage op til 5 minutter. - I terminalen, der åbnede i trin før, skal du køre følgende kommando for at installere NodeJS i
studiolab
Conda-miljø, som er påkrævet for at installere ImJoy JupyterLab 3-udvidelsen næste:conda install -y -c conda-forge nodejs
Vi installerer nu ImJoy Jupyter-udvidelsen ved hjælp af Studio Lab Extension Manager for at aktivere interaktive visualiseringer. Imjoy-udvidelsen tillader itkWidgets og andre dataintensive processer at kommunikere med lokale og fjerntliggende Jupyter-miljøer, herunder Jupyter-notebooks, JupyterLab, Studio Lab og så videre. - I Extension Manager, søg efter "imjoy" og vælg Installer.
- Bekræft for at genopbygge kernen, når du bliver bedt om det.
- Vælg Gem og genindlæs når byggeriet er færdigt.
Efter installationen af ImJoy-udvidelsen vil du kunne se ImJoy-ikonet i topmenuen på dine notebooks.
For at bekræfte dette skal du navigere til filbrowseren og vælge TCIA_Image_Visualalization_with_itkWidgets
notesbog, og vælg medical-image-ai
kerne for at køre det.
ImJoy-ikonet vil være synligt i øverste venstre hjørne af notebook-menuen.
Med disse installationstrin har du installeret medical-image-ai
Python-kernen og ImJoy-udvidelsen som forudsætningen for at køre TCIA-notebooks sammen med itkWidgets på Studio Lab.
Test løsningen
Vi har lavet et sæt notesbøger og en tutorial, der viser integrationen af disse AI-teknologier i Studio Lab. Sørg for at vælge medical-image-ai
Python-kernen, når du kører TCIA-notebooks i Studio Lab.
Den første SageMaker notesbog viser, hvordan man downloader DICOM-billeder fra TCIA og visualiserer disse billeder ved hjælp af de filmiske volumengengivelsesfunktioner i itkWidgets.
Den anden notesbog viser, hvordan de ekspertannoteringer, der er tilgængelige for hundredvis af undersøgelser om TCIA, kan downloades som DICOM SEG- og RTSTRUCT-objekter, visualiseres i 3D eller som overlejringer på 2D-slices og bruges til træning og evaluering af deep learning-systemer.
Den tredje notesbog viser, hvordan præ-trænede MONAI deep learning-modeller, der er tilgængelige på MONAI's Model Zoo, kan downloades og bruges til at segmentere TCIA (eller din egen) DICOM prostata MRI-volumener.
Vælg Åbn Studio Lab i disse og andre JupyterLab-notebooks for at starte disse notesbøger i det frit tilgængelige Studio Lab-miljø.
Ryd op
Når du har fulgt installationstrinnene i dette indlæg og oprettet medical-image-ai
Conda-miljø, vil du måske slette det for at spare lagerplads. For at gøre det skal du bruge følgende kommando:
conda remove --name medical-image-ai --all
Du kan også afinstallere ImJoy-udvidelsen via Extension Manager. Vær opmærksom på, at du bliver nødt til at genskabe Conda-miljøet og geninstallere ImJoy-udvidelsen, hvis du vil fortsætte med at arbejde med TCIA-notebooks på din Studio Lab-konto senere.
Luk din fane, og glem ikke at vælge Stop Runtime på Studio Lab-projektsiden.
Konklusion
SageMaker Studio Lab er tilgængeligt for medicinsk billed-AI-forskningssamfund uden omkostninger og kan bruges til medicinsk billed-AI-modellering og interaktiv medicinsk billedvisualisering i kombination med MONAI og itkWidgets. Du kan bruge TCIAs åbne data og prøvenotesbøger med Studio Lab til træningsarrangementer, såsom hackathons og workshops. Med denne løsning kan videnskabsmænd og forskere hurtigt eksperimentere, samarbejde og innovere med medicinsk billed-AI. Hvis du har en AWS-konto og har konfigureret et SageMaker Studio-domæne, kan du også køre disse notesbøger på Studio ved hjælp af standard Data Science Python-kernen (med ImJoy-jupyter-extension
installeret), mens du vælger fra en forskellige typer af computerforekomster.
Studio Lab også lancerede en ny funktion på AWS re:Invent 2022 at tage notesbøgerne udviklet i Studio Lab og køre dem som batchjobs efter en tilbagevendende tidsplan i dine AWS-konti. Derfor kan du skalere dine ML-eksperimenter ud over Studio Labs gratis beregningsbegrænsninger og bruge mere kraftfulde computerforekomster med meget større datasæt på dine AWS-konti.
Hvis du er interesseret i at lære mere om, hvordan AWS kan hjælpe din sundheds- eller biovidenskabelige organisation, bedes du kontakte en AWS repræsentant. For mere information om MONAI og itkWidgets, kontakt venligst Kitware. Nye data tilføjes løbende til TCIA, og dine forslag og bidrag er velkomne ved at besøge TCIAs hjemmeside.
Yderligere læsning
Om forfatterne
Stephen Aylward er seniordirektør for strategiske initiativer hos Kitware, adjungeret professor i computer ved University of North Carolina i Chapel Hill og stipendiat i MICCAI Society. Dr. Aylward grundlagde Kitwares kontor i North Carolina, har været leder af adskillige open source-initiativer og er nu formand for MONAIs advisory board.
Matt McCormick, PhD, er en Distinguished Engineer hos Kitware, hvor han leder udviklingen af Insight Toolkit (ITK), et videnskabeligt billedanalyseværktøj. Han har været hovedefterforsker og co-investigator af adskillige forskningsstipendier fra National Institutes of Health (NIH), ledet engagementer med USA's nationale laboratorier og ledet forskellige kommercielle projekter med avanceret software til medicinsk udstyr. Dr. McCormick er en stærk fortaler for samfundsdrevet open source-software, åben videnskab og reproducerbar forskning.
Brianna Major er en forsknings- og udviklingsingeniør hos Kitware med en passion for at udvikle open source-software og værktøjer, der vil gavne det medicinske og videnskabelige samfund.
Justin Kirby er en teknisk projektleder ved Frederick National Laboratory for Cancer Research (FNLCR). Hans arbejde er fokuseret på metoder til at muliggøre datadeling og samtidig bevare patientens privatliv for at forbedre reproducerbarheden og gennemsigtigheden i kræftbilledforskning. Hans team grundlagde The Cancer Imaging Archive (TCIA) i 2010, som forskningssamfundet har udnyttet til at udgive over 200 datasæt relateret til manuskripter, bevillinger, udfordringskonkurrencer og store NCI-forskningsinitiativer. Disse datasæt er blevet diskuteret i over 1,500 peer reviewed publikationer.
Gang Fu er Healthcare Solution Architect hos AWS. Han har en ph.d. i farmaceutisk videnskab fra University of Mississippi og har over ti års teknologi og biomedicinsk forskningserfaring. Han brænder for teknologi og den indflydelse, den kan have på sundhedsvæsenet.
Alex Lemm er Business Development Manager for Medical Imaging hos AWS. Alex definerer og udfører go-to-market-strategier med billeddannelsespartnere og driver udvikling af løsninger for at accelerere AI/ML-baseret medicinsk billedbehandlingsforskning i skyen. Han brænder for at integrere open source ML-frameworks med AWS AI/ML-stakken.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. Adgang her.
- Kilde: https://aws.amazon.com/blogs/machine-learning/share-medical-image-research-on-amazon-sagemaker-studio-lab-for-free/
- 1
- 100
- 2D
- 3d
- 77
- a
- I stand
- Om
- fremskynde
- adgang
- tilgængelig
- Konto
- Konti
- tværs
- tilføjet
- adresse
- fremskreden
- rådgivende
- rådgivende bestyrelse
- fortaler
- Efter
- AI
- ai forskning
- AI / ML
- alex
- algoritmer
- Alle
- tillade
- tillader
- Amazon
- Amazon SageMaker
- Amazon SageMaker Studio
- Amazon SageMaker Studio Lab
- analyse
- ,
- godkendt
- Arkiv
- til rådighed
- AWS
- AWS re: Invent
- grundlag
- før
- være
- gavner det dig
- Beyond
- større
- biomedicinsk
- board
- bringe
- browser
- bygge
- virksomhed
- forretningsudvikling
- Kræft
- kræftforskning
- kapaciteter
- bære
- Formand
- udfordre
- Vælg
- Cloud
- samarbejde
- samarbejdet
- KOM
- kombination
- kombinerer
- kommerciel
- Fælles
- kommunikere
- Fællesskaber
- samfund
- Fællesskabsdrevet
- Konkurrencer
- fuldføre
- omfattende
- Compute
- computer
- konferencer
- Bekræfte
- kontakt
- fortsæt
- kontinuerligt
- bidrag
- Core
- Corner
- Koste
- CPU
- skabe
- oprettet
- tilpasse
- data
- datalogi
- datadeling
- datasæt
- Dage
- dyb
- dyb læring
- Standard
- defaults
- definerer
- demonstrere
- Demoer
- udvikle
- udviklet
- udvikling
- Udvikling
- Enheder
- Direktør
- drøftet
- displays
- Distinguished
- domæne
- Dont
- downloade
- downloads
- nemt
- muliggøre
- muliggør
- ingeniør
- enterprise-grade
- Hele
- Miljø
- miljøer
- væsentlig
- Ether (ETH)
- evaluere
- evaluering
- Endog
- begivenheder
- alle
- eksempel
- Udfører
- erfaring
- eksperiment
- ekspert
- udforske
- udvidelse
- konfronteret
- Feature
- featured
- Funktionalitet
- fyr
- File (Felt)
- Fornavn
- fokuserede
- følger
- efterfulgt
- efter
- Grundlagt
- rammer
- Frederick
- Gratis
- fra
- fuldt ud
- få
- gif
- GitHub
- Gå-på-marked
- regeringsførelse
- tilskud
- Hackathon
- Helse
- sundhedspleje
- hjælpe
- besidder
- Hvordan
- How To
- HTML
- HTTPS
- Hundreder
- ICON
- ideer
- billede
- billedanalyse
- billeder
- Imaging
- KIMOs Succeshistorier
- Forbedre
- in
- omfatter
- Herunder
- oplysninger
- initiativer
- innovere
- indsigt
- installere
- instans
- integrere
- integreret
- Integration
- integration
- interaktiv
- interesseret
- spørgsmål
- IT
- Karriere
- Jupyter Notebook
- Justin
- Holde
- Nøgle
- lab
- laboratorium
- seneste
- lancere
- leder
- Leads
- læring
- Led
- biblioteker
- Livet
- Life Sciences
- begrænsninger
- lokale
- maskine
- machine learning
- vedligeholde
- større
- lave
- leder
- medicinsk
- medicinsk udstyr
- medicinsk billeddannelse
- Medlemmer
- Menu
- metoder
- minimum
- minutter
- Mississippi
- ML
- model
- modellering
- modeller
- overvågning
- mere
- MRI
- flere
- national
- National Institutes of Health
- Naviger
- Behov
- Ny
- ny funktion
- næste
- NIH
- Nord
- nord carolina
- notesbog
- notesbøger
- objekter
- Office
- igangværende
- åbent
- åbne data
- open source
- Open source software
- åbnet
- åbner
- organisation
- Andet
- Andre
- egen
- partnere
- lidenskab
- lidenskabelige
- patient
- peer
- udføre
- Pharmaceutical
- pick
- plato
- Platon Data Intelligence
- PlatoData
- Vær venlig
- pop-up
- Indlæg
- vigtigste
- Præsentationer
- forelagt
- Main
- Beskyttelse af personlige oplysninger
- Processer
- produktivitet
- Produktivitetsværktøjer
- Professor
- projekt
- projekter
- giver
- leverer
- publikationer
- offentliggøre
- Python
- hurtigt
- RE
- klar
- anbefales
- tilbagevendende
- register
- relaterede
- fjern
- Fjern
- rendering
- Repository
- anmodninger
- påkrævet
- forskning
- forskning og udvikling
- Forskningsfællesskab
- forskere
- Ressourcer
- Resultater
- revideret
- rod
- Kør
- kører
- sagemaker
- SageMaker Studio Lab
- Gem
- Scale
- planlægge
- Videnskab
- VIDENSKABER
- forskere
- Søg
- Anden
- sikkerhed
- segment
- segmenter
- udvælgelse
- senior
- adskille
- Series
- sessioner
- sæt
- flere
- Del
- deling
- Shows
- mindre
- So
- Samfund
- Software
- løsninger
- Løsninger
- SOLVE
- Kilde
- Space
- stable
- starte
- påbegyndt
- Stater
- Trin
- Stephen
- Steps
- opbevaring
- Strategisk
- strategier
- stærk
- undersøgelser
- Studio
- Succesfuld
- Systemer
- Tag
- hold
- hold
- Teknisk
- Teknologier
- Teknologier
- ti
- terminal
- deres
- derfor
- Tredje
- grundigt
- tre
- til
- sammen
- toolkit
- værktøjer
- top
- Tog
- Kurser
- Gennemsigtighed
- tutorial
- tutorials
- Forenet
- Forenede Stater
- universitet
- brug
- brugervenlig
- forskellige
- verificere
- udgave
- via
- synlig
- visualisering
- bind
- mængder
- web-baseret
- velkommen
- som
- mens
- vilje
- uden
- Arbejde
- arbejdede
- arbejdsgange
- arbejder
- workshops
- år
- Din
- zephyrnet
- ZOO