项目 MONAI 正在发布 MONAI v0 . 7 、 MONAI 标签 v0 . 2 、 MONAI 部署 v0 . 1 ，并宣布 MONAI 流工作组。
MONAI 部署工作组很高兴发布 MONAI 部署应用程序 SDK v0 . 1 ，这有助于弥合从创新研究到临床生产的差距。
MONAI 核心专注于培训和创建模型， MONAI 部署专注于定义从研究创新到医院临床生产环境的过程。
有机会创建一组中间步骤，研究人员和医生可以在这些步骤中对人工智能使用的技术和方法建立信心。在受控环境中部署和连接医疗设备和系统，用户可以迭代，直到 AI 推理基础设施准备好转移到临床设置，高度确定过渡将顺利进行。
MONAI 部署 App SDK v0 . 1
MONAI Deploy App SDK 提供了一个框架和相关工具，用于设计、开发和验证医疗成像领域中人工智能驱动的应用程序。主要特点包括：
- 灵活、可扩展和可用的 Python ic API ，用于构建医疗成像推理应用程序。
- 使用可编程有向无环图轻松管理推理应用程序。
- 对基于进程内 PyTorch 推理的开箱即用支持。
- 与推理应用程序中基于 MONAI 的前后转换无缝集成。
- 使用 App Runner 在本地运行并调试推理应用程序。
MONAI 堆芯 v0 . 7
MONAI 核心 0 . 7 专注于医学成像人工智能研究中的尖端性能和分析能力。
此版本包括：
- Jupyter 笔记本中有几个记录良好的参考实现。
- 用于创建高性能培训管道的开发人员指南。
- 增加了对 NVTX 分析工具的支持。
- 新的网络模型，如 Transchex 和 Transune 。
MONAI 标签 v0 . 2
MONAI 标签版本 0 . 2 支持使用 3D 切片器和 OHIF 对来自支持 DICOMweb 的远程 PACS 系统的医学图像数据进行人工智能辅助注释。
在 MONAI 标签 0 . 2 中，我们还介绍：
- 两种新的主动学习策略： TTA 和辍学。
- 与 OHIF 查看器集成。
- 支持 SimpleCRF Scribbles 注释。
MONAI 流的偷偷预览
MONAI 宣布成立 MONAI Stream 工作组，由来自伦敦国王学院的 Tom Vercauteren 博士领导。该工作组将支持 MONAI Stream 的设计、开发和应用，该工作组能够为实时成像和计算机辅助干预提供更快的研究原型。
MONAI 流工作组正在寻找您的feedback，以便更好地了解您的需求、难点和研究思路。
我们的重点仍然是基于学术界和工业界各个角落的反馈，增强 MONAI 的开源核心。
项目 MONAI 的这三个版本是一个完整的端到端工作流的基础，它使用 AI 医学模型的标记、训练和部署。在我们开发这些框架时，我们鼓励您向这些工作组的成员提供您的想法和反馈。
查看工作组的完整列表>>
让我们一起构建 MONAI ！
