Search Results MONAI

医療画像AIがより簡単になりました：NVIDIAがMONAIをホステッドクラウドサービスとして提供

本日、NVIDIAは医療画像AIのためのクラウドサービスを立ち上げました。これにより、完全に管理され、クラウドベースのAPIを通じてグランドトゥルースデータの作成と専門的なAIモデルのトレーニングをスムーズ化し、加速させることができます。 NVIDIA MONAIクラウドAPIは、この週にシカゴで開催される北米放射線学会の年次総会(RSNA)で発表され、開発者とプラットフォームプロバイダが事前にトレーニングされた基礎モデルを使用し、企業向けのAIワークフローを統合するための迅速なパスを提供します。これらのAPIは、NVIDIAとキングズカレッジロンドンによって設立されたオープンソースのMONAIプロジェクトに基づいて構築されています。医療画像は医療分野全体で重要な役割を果たしており、医療データの約90%を占めています。これは放射線科医や臨床医がスクリーニング、診断、介入を行うために使用されるほか、バイオファーマの研究者が臨床試験患者が新薬にどのように反応するかを評価するために使用され、医療機器メーカーはリアルタイムの意思決定支援を提供します。これらの領域における作業の規模は、医療画像専用のAIファクトリーを必要とします。これはエンタープライズグレードのプラットフォームであり、大規模なデータ管理を提供し、グランドトゥルースのアノテーションを作成し、モデルの開発を加速し、シームレスなAIアプリケーションの展開を確立します。 NVIDIA MONAIクラウドAPIを使用することで、ソリューションプロバイダは医療画像プラットフォームにAIをより簡単に統合することができます。これにより、放射線科医、研究者、臨床試験チームがドメインに特化したAIファクトリーを構築するための高速ツールを提供することができます。これらのAPIは、NVIDIA DGX Cloud AIスーパーコンピューティングサービスを通じて早期アクセスで利用可能です。 NVIDIA MONAIクラウドAPIは、AI開発のためのエンドツーエンドワークフローをサポートする主要な医療画像データおよびAIプラットフォームであるFlywheelに統合されています。RedBrick AIなどの医療画像アノテーション企業の開発者やDataikuなどの機械学習オペレーション（MLOps）プラットフォームプロバイダは、NVIDIA MONAIクラウドAPIを自社の提供物に統合する予定です。医療画像のための準備完了のアノテーションとトレーニング効率的かつコスト効果の高いAIソリューションを構築するには、ソフトウェアのためのフルスタック最適化、スケーラブルなマルチノードシステム、最新の研究など、堅牢でドメインに特化した開発基盤が必要です。また、高品質なグランドトゥルースデータも必要ですが、特に3D医療画像では専門知識が高度に必要なアノテーションのため、煩雑で時間がかかる場合があります。 NVIDIA MONAIクラウドAPIには、VISTA-3D（Vision Imaging Segmentation and Annotation）の基礎モデルによるインタラクティブなアノテーション機能が搭載されています。これにより、ユーザーのフィードバックと新しいデータに基づいて、AIモデルのパフォーマンスが向上します。 VISTA-3Dは、さまざまな疾患と体の部位にわたる4,000人以上の患者の3D CTスキャンからアノテーション付き画像のデータセットでトレーニングされており、医療画像解析のための3Dセグメンテーションマスクの作成を加速します。そして、継続的な学習により、AIモデルのアノテーション品質が時間とともに向上します。…

「初めに、AWS上でMONAI Deployを使用して医療画像AI推論パイプラインを構築しましょう！」

この記事では、MONAI Deploy App SDKで構築されたアプリケーションに再利用可能なMAPコネクタを作成する方法を紹介しますこれにより、クラウドネイティブなDICOMストアから医療画像AIのワークロードへの画像データの取得を統合し、高速化することができますMONAI Deploy SDKは、病院の運用をサポートするために使用することができますさらに、MAP AIアプリケーションをSageMakerでスケールアップするための2つのホスティングオプションもデモンストレーションします

MONAI 生成モデル：医療画像の進歩に向けたオープンソースプラットフォーム

最近の生成型人工知能のブレークスルーにより、特に医療画像処理の分野で重要な進展が見られています。しかし、これらの生成モデルの複雑さは、実際の応用や再現性において課題を提起し、さらなる進歩を妨げています。このため、世界中の優れた機関の研究者たちが協力して、MONAI Generative Modelsというオープンソースプラットフォームを作成しました。このプラットフォームは、生成モデルの開発と展開を民主化することを目指しており、標準化されたアクセス可能なソリューションを提供することで、医療画像処理の新たなアプローチの道を開拓します。また、AIによる医療革命のレース：Amazon vs Google vs Microsoftも要チェックです。医療画像の新たな時代：MONAI Generative Models MONAI Generative Modelsプラットフォームは、さまざまな医療画像の応用において、研究者や開発者が生成モデルの構築と活用を簡素化することを目指しています。標準化されたフレームワークを提供することで、プラットフォームは新しいアプローチの評価を促進し、分野の進歩を支援します。また、2023年の医療における機械学習とAIも要チェックです。 5つの画期的な研究で示される多様性研究チームは、MONAI Generative Modelsの潜在能力を示す5つの包括的な研究を実施しました。これらの研究では、分布外検出、画像変換、超解像、MRI再構成などのさまざまな医療画像の応用をカバーし、2Dおよび3Dのシナリオで異なるモダリティと解剖領域に対応するプラットフォームの適応性を示しています。また、GoogleのMed-PaLM 2は最も進んだ医療AIになる予定です。潜在拡散モデルで領域を拡大 MONAIプラットフォームにおける最先端のモデルの1つである潜在拡散モデルの性能を、さまざまなデータセットで評価しました。さまざまな体型や活動を持つ異なる被験者を反映しており、比較研究や革新を促す柔軟性があります。また、Image-to-Image…

新しいAI研究がMONAI Generative Modelsを紹介：研究者や開発者が簡単に生成モデルをトレーニング、評価、展開できるオープンソースプラットフォーム

最新の生成型人工知能の進歩により、医療画像を含む複数の分野で新たな進展がありました。これらの生成モデルは、異常検出、画像対画像変換、ノイズ除去、磁気共鳴画像（MRI）再構築など、様々な用途において大きな可能性を持っています。しかし、これらのモデルは複雑であるため、実践化や再現性には困難が伴います。この複雑さは進捗を遅らせ、ユーザーの参入障壁を作り、確立された手法と比較して新しいアプローチの評価を妨げる可能性があります。生成モデルの構築と展開を簡単かつ標準化するために、研究者チームはMONAI Generative Modelsというオープンソースプラットフォームを作成しました。このグループには、キングスカレッジロンドン、国立精神衛生研究所、エジンバラ大学、バーゼル大学、韓国科学技術院、NVIDIA、スタンフォード大学、マウントサイナイ医学校、ロンドン大学などの研究者が参加しました。技術の有効性を示すために、分布外検出から画像変換、スーパーレゾリューションまで、さまざまな医療画像関連のトピックをカバーした5つの研究が説明されています。2Dおよび3Dのシナリオでさまざまなモダリティと解剖学的領域を使用してプラットフォームの適応性が示され、医療画像のさらなる発展のための新しいツールとしての潜在能力が示されています。5つの実験は以下の通りです：提案されたモデルは新しい状況に簡単に適応でき、さまざまな状況での徹底的な比較を可能にし、初期の対象範囲を広げることができます。この品質を示すために、研究者はパッケージ内の最先端のモデルの1つである潜在拡散モデルとその能力を評価しました。このモデルは、体型や活動タイプが異なるデータセットから新しい情報を生成する能力を持っています。潜在的な生成モデルには、圧縮モデルと生成モデルの2つの基本的な部分が含まれており、チームはこれらが非常に柔軟であることを示しています。このシステムを使用すると、さまざまな医療画像アプリケーションで生成モデルを使用することが容易になります。チームは、通常範囲外の3D画像データの検出に適用できることを示しました。 Stable Diffusion 2.0 Upscalerメソッドを使用して、生成モデルのスーパーレゾリューションの可能性も調査しました。調査結果は、特に3Dモデルにおいて、生成モデルがスーパーレゾリューションアプリケーションに有用であることを示しています。チームはまた、モデルがスーパーレゾリューション写真とどのように機能するかをテストしました。これにより、拡大されたテストセットの写真とそれに対応する正解画像を比較しました。これらの結果は、モデルの優れたスーパーレゾリューション能力を確認し、画像の明瞭さ向上における効率性を証明しています。将来的には、研究者はMRI再構築などの他のアプリケーションのサポートを向上させ、モデル比較を容易にするためにより最新のモデルを組み込む予定です。これらの進展により、医療生成モデルおよびその応用分野はさらなる発展を続けるでしょう。

AIアドバイザーと計画ツール：金融、物流、それ以上を変革する

「AIアドバイザーやプランニングツールが金融、物流、医療、教育の根本的な変革を遂げる方法を探索してくださいこれらのAIシステムがどのようにデータ駆動の洞察を提供し、複雑なプロセスを最適化し、未来を形作っているのか学んでください」

Tech

「医療の分野における人工知能モデルのリスト（2023年）」

<img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/12/18-1024×618.gif”/><img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/12/18-150×150.gif”/><p>今年だけでも、人工知能（AI）が進化を遂げた数を考えると、2023年を通じて重要な議論の中心となっていることは驚くべきことではありません。AIは今やほぼあらゆる領域で活用されており、その中でも興味深く有用な応用の1つが医療と医学の分野です。薬物の発見から医療文書の転写、手術の支援まで、医療従事者の生活を変え、誤りを減らし、効率を向上させています。この記事では、2023年に医療現場を変革する可能性のあるいくつかのAIモデルについて説明します。</p><h2><a href=”https://www.voagi.com/google-deepminds-recent-advancements-analogical-stepback-prompting.html”><strong>Med-PaLM 2</strong></a></h2><p>Google Researchが医療分野向けに設計したMed-PaLMは、医療の質問に高品質な回答ができるモデルです。このモデルはGoogleのLLMの力を活用しており、米国医師国家試験のような質問に回答する際には人間の専門家レベルに達する最初のモデルの1つです。評価された結果、このモデルは症状を理解し、複雑な推論を行い、適切な治療法を選択する能力を示しました。さらに、研究の中でMedQA医学試験のベンチマークで86.5％の正確さを達成しました。有望な能力を示しているものの、研究者はより厳密な評価を行い、安全性の重要な領域での展開が可能かどうかを確認するためにさらなる評価を行いたいと考えています。</p><h2><a href=”/?s=Bioformer”><strong>Bioformer</strong></a></h2><p>Bioformerは、バイオメディカルテキストマイニングに使用できるBERTのコンパクト版です。BERTは自然言語処理のアプリケーションで最先端の性能を達成していますが、計算効率を向上させるためにパラメータを減らすことができます。Bioformerの研究者たちは、このアプローチを取り、BERTよりもモデルサイズが大幅に小さいモデル（60％削減）を開発しました。このモデルはPubMedの要約とPubMed Centralの全文記事で訓練され、バイオメディカル用語を使用しています。研究者は2つのバージョンのモデル、Bioformer8LとBioformer16Lをリリースしましたが、名前の識別、関係抽出、質問応答、文書分類などのパラメータで少ないパラメータでもうまく機能しました。</p><h2><a href=”https://www.voagi.com/google-ai-has-launched-medlm-a-series-of-foundation-models-specifically-tailored-for-the-healthcare.html”><strong>MedLM</strong></a></h2><p>MedLMは、Googleが開発した基礎モデルのスイートで、医療ケースに特化してファインチューニングされています。MedLMの下には複雑なタスクに対応し、タスク間でのスケーリングを可能にする2つのモデルが設計されています。これらのモデルの主な目的は、タスクを自動化して時間を節約し、効率を向上し、全体的な患者の健康を改善することです。Googleの研究者はDeloitteと協力して、MedLMの能力を実証するためのパイロットを行っています。MedLMはまた、BenchSciのASCENDなど他のAIシステムと統合されており、臨床研究の品質と速度を向上させるために活用されています。</p><h2><a href=”/?s=RoseTTAFold”><strong>RoseTTAFold</strong></a></h2><p>RoseTTAFoldは、限られた情報から蛋白質の構造を予測するためのディープラーニングを活用したソフトウェアです。このモデルは蛋白質配列のパターン、アミノ酸の相互作用、および3D構造を研究することができます。このモデルにより、研究者は蛋白質と小分子薬剤の相互作用のモデル化が可能になり、これにより薬剤探索の研究が促進されます。モデルの研究者はまた、コードを公開して、全コミュニティの利益に資するようにしています。</p><h2><a href=”https://www.voagi.com/revolutionizing-biological-molecule-predictions-with-deepminds-alphafold.html”><strong>AlphaFold</strong></a></h2><p>AlphaFoldは、DeepMindが開発した強力なAIモデルで、アミノ酸配列から蛋白質の3D構造を予測することができます。DeepMindはEMBL（EMBL-EBI）のEuropean Bioinformatics Instituteとパートナーシップを組んで、20億以上のAI生成蛋白質構造予測を含むデータベースを公開し、科学研究を促進しています。CASP14では、AlphaFoldは他のモデルよりも高い精度で結果を出し、高い正確性を持ちます。さらに、このモデルは研究者が蛋白質構造を理解し、生物学的研究を進めるのに役立つ潜在能力を持っています。</p><h2><a href=”/?s=ChatGLM-6B”><strong>ChatGLM-6B</strong></a></h2> ChatGLMは中国語と英語のバイリンガルモデルであり、中国語の医療対話データベースを元に微調整されています。モデルは比較的短い時間（13時間）で微調整されたため、非常に手頃な医療目的のLLMです。モデルはより長いシーケンス長を持つため、より長い対話や応用に対応しています。モデルは教師あり微調整、RLHFなどの技術を使用してトレーニングされました。これにより、モデルは人間の指示をより理解することができます。その結果、モデルは優れた対話と質問応答の能力を持っています。記事：List of Artificial Intelligence Models for Medical…

開発者や企業のためのジェミニAPIとさらに新しいAIツール

「ジェミニAPIおよびそれ以外にも4つのAIツール、Imagen 2、MedLM、開発者向けのDuet AI、セキュリティオペレーション向けのDuet AIを介してジェミニプロを展開します」

「NVIDIA BioNeMoがAWS上での薬剤探索のための生成型AIを可能にする」

主要な製薬会社やテクバイオ企業の研究者や開発者は、Amazon Web Servicesを通じてNVIDIA Claraソフトウェアとサービスを簡単に展開できるようになりました。詳細はこちらをご覧ください。本日のAWS re:Inventで発表されたこの取り組みにより、AWSクラウドリソースを使用しているヘルスケアおよびライフサイエンスの開発者は、NVIDIAの加速オファリングを柔軟に統合することができるようになります。これにはNVIDIA BioNeMo（創成AIプラットフォーム）も含まれており、AWS上のNVIDIA DGX Cloudに追加され、高性能コンピューティングのためのAWS ParallelClusterクラスタ管理ツールとAmazon SageMakerマシンラーニングサービスを介して現在利用可能です。北薬やライフサイエンス企業の数千社がAWSを利用しています。彼らは今やBioNeMoにアクセスして、専有データを使用してデジタル生物学の基礎モデルを構築またはカスタマイズし、NVIDIA GPUアクセラレートクラウドサーバーを使用してモデルのトレーニングとデプロイをスケールアップすることが可能です。 Alchemab Therapeutics、Basecamp Research、Character Biosciences、Evozyne、Etcembly、LabGeniusなどのテクバイオイノベーターは、既にBioNeMoを使用して創成AIによる医薬品の探索と開発を行っています。このコラボレーションにより、彼らはバイオモレキュラーデータ上でトレーニングされた創成AIモデルを開発するためにクラウドコンピューティングリソースを迅速にスケールアップするためのより多くの方法を得ることができます。この発表により、NVIDIAの既存のヘルスケアに特化したオファリングがAWS上で利用可能になります。それには、医療画像処理のためのNVIDIA MONAIおよびジェノミクスの加速のためのNVIDIA Parabricksも含まれています。 AWSでの新機能：NVIDIA BioNeMoが創成AIを推進する BioNeMoは、デジタル生物学のためのドメイン固有のフレームワークであり、事前学習済みの大規模言語モデル（LLM）、データローダー、最適化されたトレーニングレシピを含んでいます。これにより、ターゲットの同定、タンパク質構造の予測、薬剤候補のスクリーニングを加速することで、コンピュータ支援の薬剤探索を推進することができます。薬剤探索チームは、BioNeMoを使用して専有データを活用し、クラウドベースの高性能コンピューティングクラスター上でモデルを構築または最適化することができます。…

「コールセンターがAIを活用してエージェントと顧客に時間を解放する7つの方法」

CCWデジタルによる調査では、最大62％のコンタクトセンターが自動化とAIへの投資を検討していることが明らかになりました同時に、多くの消費者はセルフサービスオプションを利用したり、チャットボットとチャットしたりすることを望んでいます特に、これによって長時間の待ち時間をスキップできるのであれば、理想的な機会がコンタクトセンターのリーダーたちに提供されます...

「Amazon SageMaker Model Registry、HashiCorp Terraform、GitHub、およびJenkins CI/CDを使用して、マルチ環境設定でのパイプラインの促進を行う」

「機械学習運用（MLOps）プラットフォームを組み立てることは、人工知能（AI）と機械学習（ML）の急速に進化する状況において、データサイエンスの実験と展開のギャップをシームレスに埋めるため、モデルのパフォーマンス、セキュリティ、コンプライアンスの要件を満たす組織にとって必要不可欠です規制とコンプライアンスの要件を満たすためには、[…]」

Learn more about Search Results MONAI