Project-MONAI/tutorials

해결하는 문제

이 저장소는 의료 영상 딥러닝을 위한 오픈소스 프레임워크인 MONAI를 사용하기 위한 포괄적인 실용 예제와 튜토리얼 모음을 제공합니다. 사용자는 분할, 분류, 정합, 병리 분석과 같은 작업을 위해 의료 AI 모델을 구축, 훈련 및 배포하는 방법을 배울 수 있습니다.

작동 방식

이 저장소에는 MONAI 구성 요소를 표준 PyTorch 워크플로우에 통합하는 방법을 보여주는 일련의 Jupyter Notebook 및 Python 스크립트가 포함되어 있습니다. 사용자는 이러한 튜토리얼을 로컬 또는 Google Colab에서 실행할 수 있습니다. 튜토리얼은 데이터 로딩 및 전처리부터 모델 훈련, 실험 추적 및 배포에 이르기까지 의료 AI 프로젝트의 전체 수명 주기를 다룹니다.

대상 사용자

이 프로젝트는 MONAI를 사용하여 딥러닝 솔루션을 구현하려는 의료 영상 분야의 연구자, 데이터 과학자 및 개발자를 위한 것입니다. 간단한 예제를 찾는 초보자와 분산 훈련 또는 배포를 위한 고급 워크플로우가 필요한 경험 많은 실무자 모두에게 적합합니다.

주요 특징

• 분할, 분류 및 정합을 포함한 2D 및 3D 의료 영상 작업을 다루는 광범위한 튜토리얼 라이브러리.
• PyTorch Lightning, BentoML, Ray 및 MLFlow와 같은 인기 프레임워크와의 통합 예제.
• 디지털 병리학, 연합 학습 및 컴퓨터 지원 중재를 위한 특수 모듈.
• 자동 혼합 정밀도(AMP) 및 TensorRT와 같은 기술을 사용하여 훈련 및 추론을 가속화하기 위한 성능 최적화 가이드.
• 실험 관리 및 프로덕션 환경 배포를 위한 즉시 사용 가능한 예제.