MONAI Label：一种用于 3D 医学图像 AI 辅助交互式标注的框架
人机交互
2024-06-05 v2 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
考虑到手动标注极其昂贵且耗时，缺乏标注数据集是训练新任务特定监督机器学习模型的主要瓶颈。为解决这个问题，我们提出 MONAI Label，一个免费的开源框架，便于开发基于人工智能(AI)模型的应用，旨在减少标注放射学数据集所需的时间。通过 MONAI Label，研究人员可以专注于其专业领域开发 AI 标注应用。它允许研究人员将其应用作为服务轻松部署，并可通过其偏好的用户界面提供给临床医生。目前，MONAI Label 原生支持本地安装(3D Slicer)和基于 Web(OHIF)的前端，并提供两种主动学习策略以促进和加速分割算法的训练。MONAI Label 允许研究人员通过将其基于 AI 的标注应用提供给其他研究人员和临床医生，从而进行增量改进。此外，MONAI Label 提供示例化的基于 AI 的交互式和非交互式标注应用，可直接开箱即用，作为即插即用到任意给定数据集的组件。在两个公共数据集上可观察到使用交互式模型的标注时间显著减少。
引用
@article{arxiv.2203.12362,
title = {MONAI Label: A framework for AI-assisted Interactive Labeling of 3D Medical Images},
author = {Andres Diaz-Pinto and Sachidanand Alle and Vishwesh Nath and Yucheng Tang and Alvin Ihsani and Muhammad Asad and Fernando Pérez-García and Pritesh Mehta and Wenqi Li and Mona Flores and Holger R. Roth and Tom Vercauteren and Daguang Xu and Prerna Dogra and Sebastien Ourselin and Andrew Feng and M. Jorge Cardoso},
journal= {arXiv preprint arXiv:2203.12362},
year = {2024}
}