Project-MONAI/MONAILabel

解决的问题

医学图像标注非常耗时且耗力。MONAI Label 通过实现交互式和自动化的标注来减轻这种负担，帮助研究人员更高效地创建标注数据集并构建用于临床评估的 AI 模型。

工作原理

它作为一个服务器-客户端系统运行，其中 MONAI Label Server 将标注应用程序作为服务进行托管。用户通过支持的医学影像查看器（如 3D Slicer、OHIF 或 QuPath）与这些应用进行交互，以执行分割或分类等任务。该系统支持主动学习，即 AI 可以从用户交互中不断学习和改进。

适用对象

• 寻求构建和部署自定义标注应用程序的开发人员。
• 需要为医学 AI 创建高质量标注数据集的研究人员。
• 受益于 AI 辅助工具以加速手动标注工作流程的临床医生和标注员。

亮点

• 支持放射学 (CT/MRI)、病理学 (WSI) 和内窥镜 (视频)。
• 与包括 3D Slicer、MITK、OHIF、QuPath 和 CVAT 在内的流行查看器集成。
• 包括对用于 2D 和 3D 任务的 SAM2 等最先进模型的支持。
• 提供自动化的主动学习工作流和用于 PACS 集成的 DICOMWeb 连接。