MONAI — это опенсорсный фреймворк для обучения моделей для задач в области здравоохранения. Разработкой фреймворка занимались NVIDIA и King’s College London. MONAI базируется на существующих инструментах: NVIDIA Clara, NiftyNet, DLTK и DeepNeuro.
Библиотека MONAI оптимизирована под форматы, разрешения и метаданные медицинских датасетов. Первый релиз MONAI включает в себя методы для трансформации данных, нейросетевые модели и способы оценки качества моделей. Фреймворк на данный момент позволяет решать задачи, которые задействуют медицинские изображения.
NVIDIA и King’s College London разрабатывали MONAI. В качестве советников выступали Chinese Academy of Sciences, the German Cancer Research Center, Kitware, MGH & BWH Center for Clinical Data Science, Stanford University и the Technical University of Munich.
MONAI доступен на GitHub. Библиотека использует в своей основе фреймворки для глубокого обучения Ignite и PyTorch. При этом MONAI объединяет в себе state-of-the-art библиотеки для обработки данных, 2D классификация и 3D сегментации. Исследователи могут внедрить MONAI в существующий код из-за модульной структуры библиотеки. Модульная структура дает возможность кастомизировать процесс обучения моделей с минимальными затратами на переписывание кода. Кроме того, библиотека поддерживает мультипроцессинг и обучение моделей на GPU.
Разработчики опубликовали тьюториалы по работе с MONAI. Код проекта доступен в открытом репозитории на GitHub.
