Tina姐的博客

由于我们的模型仍处于早期阶段，我们需要进行一些额外的清理，因为模型产生的分割结果不一致。Monai Label 提供了AI辅助的注释体验，使研究人员和开发人员能够通过临床医生的迭代反馈不断改进他们的应用程序，这些临床医生是该应用程序的最终用户。为了帮助解决这个问题，我们创建了Monai Label，它有助于减少注释新数据集的时间和精力，并使AI适应手头的临床任务，通过不断从用户交互和数据中学习。将两个模型的强大功能结合到一个单一架构中，它允许用户以标准分割方法进行推断，并使用点击交互式分割图像的一部分。

MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介绍这些预训练模型的使用。

MONAILabel in 3D Slicer 案例2: 脊柱全段分割。

MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介绍这些预训练模型的使用。

MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介绍这些预训练模型的使用。

MONAILabel in 3D Slicer 案例1: 在腹部CT中自动分割脾脏。

CNN 是一种深度神经网络，是 3D Slicer 可用的深度学习图像分割工具背后的强大力量。虽然我们不会在本文中重新讨论 CNN 的细节，但 3D Slicer 的 MONAILabel 插件可以轻松实现多种不同的 CNN 网络结构来分割生物医学图像。我们将使用这些CNN模型作为即插即用模型，感兴趣的临床医生可以在其工作流程中根据需要使用这些模型，以便在想要分割图像时节省大量时间。