Bu gönderi Stephen Aylward, Matt McCormick, Kitware'den Brianna Major ve Frederick Ulusal Kanser Araştırma Laboratuvarı'ndan (FNLCR) Justin Kirby ile birlikte yazılmıştır.
Amazon SageMaker Stüdyo Laboratuvarı sağlar ücretsiz erişim e-posta adresi olan herkese bir makine öğrenimi (ML) geliştirme ortamı. Tam özellikli Amazon SageMaker Studio gibi, Studio Lab, kendi özelleştirmenizi sağlar Conda ortamı ve ölçeklenebilir CPU ve GPU oluşturun JupyterLab sürüm 3 not defterleri, en yeni veri bilimi üretkenlik araçlarına ve açık kaynak kitaplıklarına kolay erişimle. Ayrıca, Studio Lab ücretsiz hesapları şunları içerir: en az 15 GB kalıcı depolama, projelerinizi birden fazla oturumda sürekli olarak sürdürmenizi ve harcamanızı sağlar ve kaldığınız yerden anında devam etmenizi ve hatta devam eden iş ve çalışma ortamlarınızı başkalarıyla paylaşmanızı sağlar.
Tıbbi görüntü topluluğunun karşılaştığı önemli bir sorun, araştırmacıların bu temel araçlarla deney yapmalarını ve keşfetmelerini nasıl sağlayacağıdır. Bu zorluğu çözmek için AWS ekipleri, kitware ve Kanser Araştırmaları için Frederick Ulusal Laboratuvarı (FNLCR) Studio Lab ve tüm açık kaynak JupyterLab topluluğu için üç ana tıbbi görüntüleme AI kaynağını bir araya getirmek için:
Bu araçlar ve veriler, tıbbi görüntüleme AI araştırmacılarının kapsamlı ve kullanıcı dostu bir ortamda klinik olarak hazır derin öğrenme algoritmalarını hızlı bir şekilde geliştirmesine ve kapsamlı bir şekilde değerlendirmesine olanak sağlamak için bir araya gelir. FNLCR ve Kitware'den ekip üyeleri, TCIA verilerine programlı olarak erişmek ve görselleştirmek için ortak iş akışlarını gösteren bir dizi Jupyter not defteri oluşturmak için işbirliği yaptı. Bu not defterleri, araştırmacıların kendi yerel Jupyter geliştirme ortamlarını kurmalarına gerek kalmadan not defterlerini çalıştırmalarına olanak sağlamak için Studio Lab'ı kullanır; yeni fikirleri hızla keşfedebilir veya çalışmanızı konferanslardaki sunumlara, atölye çalışmalarına ve eğitimlere entegre edebilirsiniz.
Aşağıdaki örnek, TCIA prostat MRI verilerini indiren, MONAI kullanarak segmentlere ayıran ve sonuçları itkWidgets kullanarak görüntüleyen bir Jupyter dizüstü bilgisayar çalıştıran Studio Lab'ı göstermektedir.
Bu gönderide sunulan örnek defterler ile daha küçük deneyleri ve demoları kolayca Studio Lab üzerinde ücretsiz olarak gerçekleştirebilseniz de, kullanmanız önerilir. Amazon SageMaker Stüdyosu kendi tıbbi görüntü modellerinizi geniş ölçekte eğittiğinizde. Amazon SageMaker Studio, tüm makine öğrenimi geliştirme adımlarını gerçekleştirmek için amaca yönelik araçlara erişebileceğiniz kurumsal düzeyde güvenlik, yönetişim ve izleme özelliklerine sahip entegre bir web tabanlı geliştirme ortamıdır (IDE). MONAI Core ve itkWidgets gibi açık kaynaklı kitaplıklar da Amazon SageMaker Studio üzerinde çalışır.
Çözümü yükleyin
TCIA not defterlerini Studio Lab'de çalıştırmak için, e-posta adresinizi kullanarak bir hesap açmanız gerekir. Stüdyo Laboratuvarı web sitesi. Hesap isteklerinin onaylanması 1-3 gün sürebilir.
Bundan sonra, başlamak için kurulum adımlarını takip edebilirsiniz:
- Studio Lab'da oturum açın ve bir CPU çalışma zamanı başlatın.
- Ayrı bir sekmede şuraya gidin: TCIA not defterleri GitHub deposu ve havuzun kök klasöründe bir not defteri seçin.
- Klinik Studio Lab'ı açın not defterini Studio Lab'de açmak için.
- Studio Lab'e geri dönün, seçin Projeye kopyala.
- Açılan yeni JupyterLab açılır penceresinde, Tüm Depoyu Klonla.
- Bir sonraki pencerede, varsayılanları koruyun ve seçin klon.
- Klinik OK yeni Conda ortamını oluşturmayı onaylamanız istendiğinde (
medical-image-ai).
Conda ortamını oluşturmak 5 dakika kadar sürer. - Bir önceki adımda açılan terminalde aşağıdaki komutu çalıştırarak NodeJS kurulumunu gerçekleştiriyoruz.
studiolabSonraki ImJoy JupyterLab 3 uzantısını yüklemek için gerekli olan Conda ortamı:conda install -y -c conda-forge nodejs
Şimdi etkileşimli görselleştirmeleri etkinleştirmek için Studio Lab Extension Manager'ı kullanarak ImJoy Jupyter uzantısını kuruyoruz. Imjoy uzantısı, itkWidgets ve diğer yoğun verili süreçlerin Jupyter not defterleri, JupyterLab, Studio Lab vb. dahil olmak üzere yerel ve uzak Jupyter ortamlarıyla iletişim kurmasını sağlar. - Extension Manager'da "imjoy" ifadesini arayın ve seçin kurmak.
- İstendiğinde çekirdeği yeniden oluşturmayı onaylayın.
- Klinik Kaydet ve Yeniden Yükle yapı tamamlandığında.
ImJoy uzantısının kurulumundan sonra, not defterlerinizin üst menüsünde ImJoy simgesini görebileceksiniz.
Bunu doğrulamak için dosya tarayıcısına gidin, TCIA_Image_Visualalization_with_itkWidgets not defterini seçin ve medical-image-ai Çalıştırmak için çekirdek.
ImJoy simgesi not defteri menüsünün sol üst köşesinde görünür olacaktır.
Bu yükleme adımlarıyla, başarıyla yüklediniz medical-image-ai TCIA not defterlerini Studio Lab'de itkWidgets ile birlikte çalıştırmak için ön koşul olarak Python çekirdeği ve ImJoy uzantısı.
Çözümü test edin
Bir dizi not defteri ve bu yapay zeka teknolojilerinin Studio Lab'e entegrasyonunu gösteren bir öğretici oluşturduk. seçtiğinizden emin olun. medical-image-ai Studio Lab'de TCIA not defterlerini çalıştırırken Python çekirdeği.
İlk SageMaker not defteri DICOM görüntülerinin TCIA'dan nasıl indirileceğini ve bu görüntülerin itkWidgets'ın sinematik hacim oluşturma yeteneklerini kullanarak nasıl görselleştirileceğini gösterir.
ikinci defter TCIA ile ilgili yüzlerce çalışma için mevcut olan uzman notlarının nasıl DICOM SEG ve RTSTRUCT nesneleri olarak indirilebileceğini, 3B veya 2B dilimler üzerinde katmanlar halinde görselleştirilebileceğini ve derin öğrenme sistemlerinin eğitimi ve değerlendirilmesi için nasıl kullanılabileceğini gösterir.
üçüncü defter MONAI'nin Model Hayvanat Bahçesi'nde bulunan önceden eğitilmiş MONAI derin öğrenme modellerinin nasıl indirilebileceğini ve TCIA (veya sizin) DICOM prostat MRI hacimlerini bölümlere ayırmak için kullanılabileceğini gösterir.
Klinik Studio Lab'ı açın bu not defterlerini ücretsiz olarak kullanılabilen Studio Lab ortamında başlatmak için bu ve diğer JupyterLab not defterlerinde.
Temizlemek
Bu gönderideki kurulum adımlarını izledikten ve medical-image-ai Conda ortamı, depolama alanından tasarruf etmek için onu silmek isteyebilirsiniz. Bunu yapmak için aşağıdaki komutu kullanın:
conda remove --name medical-image-ai --allImJoy uzantısını Extension Manager aracılığıyla da kaldırabilirsiniz. Daha sonra Studio Lab hesabınızda TCIA not defterleriyle çalışmaya devam etmek istiyorsanız, Conda ortamını yeniden oluşturmanız ve ImJoy uzantısını yeniden yüklemeniz gerekeceğini unutmayın.
Sekmenizi kapatın ve seçmeyi unutmayın Çalışma Zamanını Durdur Studio Lab proje sayfasında.
Sonuç
SageMaker Studio Lab, tıbbi görüntü yapay zeka araştırma toplulukları tarafından ücretsiz olarak erişilebilir ve tıbbi görüntü yapay zeka modellemesi ve MONAI ve itkWidgets ile birlikte etkileşimli tıbbi görüntü görselleştirme için kullanılabilir. TCIA açık verilerini ve örnek not defterlerini Studio Lab ile hackathon ve atölye çalışmaları gibi eğitim etkinliklerinde kullanabilirsiniz. Bu çözümle bilim insanları ve araştırmacılar, tıbbi görüntü yapay zekası ile hızlı bir şekilde deneyler yapabilir, iş birliği yapabilir ve yenilik yapabilir. Bir AWS hesabınız varsa ve bir SageMaker Studio etki alanı ayarladıysanız, bu not defterlerini varsayılan Data Science Python çekirdeğini (ile ImJoy-jupyter-extension kurulu) arasından seçim yaparken çeşitli işlem örneği türleri.
Stüdyo Laboratuvarı ayrıca AWS re:Invent 2022'de yeni bir özellik kullanıma sunuldu Studio Lab'de geliştirilen not defterlerini almak ve bunları AWS hesaplarınızda yinelenen bir programda toplu işler olarak çalıştırmak. Bu nedenle, makine öğrenimi deneylerinizi Studio Lab'in ücretsiz bilgi işlem sınırlamalarının ötesine ölçeklendirebilir ve AWS hesaplarınızda çok daha büyük veri kümeleriyle daha güçlü bilgi işlem bulut sunucuları kullanabilirsiniz.
AWS'nin sağlık veya yaşam bilimleri kuruluşunuza nasıl yardımcı olabileceği hakkında daha fazla bilgi edinmek istiyorsanız lütfen bir AWS temsilcisi. MONAI ve itkWidgets hakkında daha fazla bilgi için lütfen iletişime geçin kitware. TCIA'ya sürekli olarak yeni veriler eklenmektedir ve şu adresi ziyaret ederek önerilerinize ve katkılarınıza açığız: TCIA web sitesi.
Ek okuma
Yazarlar Hakkında
Stephen Aylward Kitware'de Stratejik Girişimler Kıdemli Direktörü, Chapel Hill'deki Kuzey Karolina Üniversitesi'nde Yardımcı Bilgisayar Profesörü ve MICCAI Derneği üyesidir. Dr. Aylward, Kitware'in Kuzey Carolina'daki ofisini kurdu, birkaç açık kaynak girişiminin lideri oldu ve şu anda MONAI danışma kurulu başkanı.
Matt McCormick, PhD, Bilimsel bir görüntü analizi araç seti olan Insight Toolkit'in (ITK) geliştirilmesine öncülük ettiği Kitware'de Seçkin bir Mühendistir. Ulusal Sağlık Enstitüleri'nden (NIH) birçok araştırma hibesinin baş araştırmacısı ve ortak araştırmacısı oldu, Amerika Birleşik Devletleri ulusal laboratuvarlarıyla ilişkilere öncülük etti ve tıbbi cihazlar için gelişmiş yazılım sağlayan çeşitli ticari projelere liderlik etti. Dr. McCormick, topluluk odaklı açık kaynaklı yazılım, açık bilim ve tekrarlanabilir araştırmanın güçlü bir savunucusudur.
Brianna Binbaşı Kitware'de tıbbi ve bilimsel topluluklara fayda sağlayacak açık kaynaklı yazılım ve araçlar geliştirme tutkusu olan bir Araştırma ve Geliştirme Mühendisidir.
Jaustin kirby Frederick Ulusal Kanser Araştırma Laboratuvarı'nda (FNLCR) Teknik Proje Yöneticisidir. Çalışmaları, kanser görüntüleme araştırmalarında tekrarlanabilirliği ve şeffaflığı geliştirmek için hasta mahremiyetini korurken veri paylaşımını mümkün kılan yöntemlere odaklanmıştır. Ekibi, 2010 yılında araştırma topluluğunun el yazmaları, bağışlar, meydan okuma yarışmaları ve büyük NCI araştırma girişimleriyle ilgili 200'den fazla veri kümesini yayınlamak için yararlandığı Kanser Görüntüleme Arşivi'ni (TCIA) kurdu. Bu veri kümeleri, 1,500'den fazla hakemli yayında tartışılmıştır.
çete fu AWS'de bir Sağlık Hizmetleri Çözüm Mimarıdır. Mississippi Üniversitesi'nden Eczacılık Bilimi alanında doktora derecesine sahiptir ve on yılı aşkın teknoloji ve biyomedikal araştırma deneyimine sahiptir. Teknoloji ve sağlık hizmetleri üzerindeki etkisi konusunda tutkulu.
Alex Lemm AWS'de Tıbbi Görüntüleme için İş Geliştirme Yöneticisidir. Alex, görüntüleme ortaklarıyla birlikte pazara açılma stratejilerini tanımlayıp yürütür ve bulutta AI/ML tabanlı tıbbi görüntüleme araştırmasını hızlandırmak için çözüm geliştirmeyi yönlendirir. Açık kaynak makine öğrenimi çerçevelerini AWS AI/ML yığınıyla entegre etme konusunda tutkulu.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/share-medical-image-research-on-amazon-sagemaker-studio-lab-for-free/
