Project-MONAI/tutorials

解決する課題

このリポジトリは、医療画像におけるディープラーニングのためのオープンソースフレームワークであるMONAIを使用するための、実用的な例とチュートリアルの包括的なコレクションを提供します。ユーザーは、セグメンテーション、分類、レジストレーション、病理分析などのタスク向けに、医用AIモデルを構築、トレーニング、デプロイする方法を学ぶことができます。

仕組み

このリポジトリには、MONAIコンポーネントを標準的なPyTorchワークフローに統合する方法を示す一連のJupyter NotebookとPythonスクリプトが含まれています。ユーザーはこれらのチュートリアルをローカルまたはGoogle Colabで実行できます。チュートリアルは、データの読み込みと前処理からモデルのトレーニング、実験追跡、デプロイまで、医用AIプロジェクトのライフサイクル全体をカバーしています。

対象読者

このプロジェクトは、MONAIを使用してディープラーニングソリューションを実装したいと考えている、医用画像分野の研究者、データサイエンティスト、開発者を対象としています。簡単な例を探している初心者にも、分散トレーニングやデプロイのための高度なワークフローを必要とする経験豊富な実務者にも適しています。

ハイライト

• セグメンテーション、分類、レジストレーションを含む2Dおよび3D医用画像タスクをカバーする広範なチュートリアルライブラリ。
• PyTorch Lightning、BentoML、Ray、MLFlowなどの人気フレームワークとの統合例。
• デジタル病理学、連合学習、コンピュータ支援介入のための専門モジュール。
• 自動混合精度（AMP）やTensorRTなどの技術を使用してトレーニングと推論を高速化するためのパフォーマンス最適化ガイド。
• 実験管理と本番環境へのデプロイのためのすぐに使える例。