放射科医生和病理学家身负重任。但是，视疲劳、放射科医生人手不够，和超负荷工作等因素都有可能引发错误，并最终导致错失医学发现和诊断的良机。AI 辅助工具可以帮助读取扫描结果，以加速工作流程，减少偏差。AI 能够在分割病变、计算血流量、检测结节和对活组织检查进行分类等方面为医学影像带来好处。
麻省总医院 Athinoula A 研究中心的研究人员正利用 NVIDIA DGX™ A100 加速 AI 模型训练。Martinos 生物医学影像研究中心正在研发用于分割和对齐多个胸腔扫描的模型，以计算肺部疾病的严重程度。
伦敦国王学院和 NVIDIA 联合推出 MONAI，这是一种基于 PyTorch 且针对医疗健康领域进行优化的开源医学影像 AI 框架，其中囊括该领域诸多深度学习的最佳实践。
自 2016 年以来，Qure.AI 一直都在开发各种 AI 工具，旨在从肺部扫描中检测疾病迹象。当新冠肺炎开始传播时，该公司火速改进其解决方案，以满足临床医生的迫切需求。
在每年的 1000 万结核病例中，印度人占 25% 以上。为了帮助检测这种疾病，DeepTek 开发了一款 AI 工具，迄今为止，该工具已在印度的 7 万多例胸透中得到了应用。
借助人工智能，悉尼神经影像分析中心 (SNAC) 将分割速度提高了 15 倍。在过去，从核磁共振图中提取全脑影像需要 20 至 30 分钟，而现在只需 2 到 3 分钟。
点播观看 GPU 技术大会上的医学影像会议视频，了解在将 AI 应用至医学影像领域方面，世界各地的医学学术研究中心和开发者所取得的最新成果。
了解 XNAT 和 NVIDIA Clara™ Imaging 如何通过简化数据、AI 模型和部署工作流程的端到端生命周期管理，降低 AI 应用的门槛。
了解融入医学影像 AI 市场的好处和步骤，以及 AI 算法的审批流程。
利用 NVIDIA Clara Imaging 为 AI 辅助仪器提供助力，并加速 AI 增强型医学影像工作流程。最初，开发者可使用某个领域特定的应用框架来创建 AI 应用，然后将其大规模无缝集成到临床工作流程中。
无论是构建和管理边缘的嵌入式设备，还是支持计算密集型工作负载的 AI 基础架构，NVIDIA 都提供了一些解决方案，可以帮助为 AI 训练、影像重构和影像处理等医学影像工作流程开发和部署经过优化的可扩展应用。
及时了解 NVIDIA 在医学影像领域的前沿资讯
获取最新的医学影像新闻