現在，GPU 幾乎已滲透到所有影像診斷方式中（包括 CT、MRI、X 光和超聲波），這為邊緣設備提供了 IT 數據中心和云端所具備的計算能力。隨著醫療影像領域深度學習研究的廣泛興起，開發者們正在著力開發更多高效且經過改進的方法，以實現 AI 輔助工作流。

如要開發這些由 AI 支持的功能，我們就需要為 AI 準備好數據。NVIDIA Clara 的 AI 輔助標注通過提供 API 和工具包將 AI 輔助的數據標注功能引入任何醫療檢視器，由此實現了這一點。完成數據標注后，數據科學家和研究人員需要構建一個穩健的 AI 模型。為此，NVIDIA Clara 訓練納入了 AutoML、隱私保護聯邦學習和遷移學習等一系列技術。對模型進行訓練后，您需要將其應用到合適的臨床環境中，您可以使用 NVIDIA Clara Holoscan 做到這一點。Clara Holoscan 可減少構建高性能 AI 推理平臺的工程投資。

用于醫學影像領域的 NVIDIA Clara 有助于加速典型的成像工作流的發展。該工作流始于標注數據、創建 AI 模型、開發包含一個或多個 AI 模型的應用，以及在單個機構內或跨多個機構完成部署。

采用 DeepGrow 模型的 NVIDIA AI 輔數據標注（AIAA）功能可快速標注數據，您只需在數張 CT 片和 MRI 片上感興趣的區域內點擊幾次即可。圖像標注是一項耗時、繁瑣的任務，且標注方式因人而異，而 AIAA 有助于加速圖像標注的速度。

NVIDIA Clara Train SDK 可提供 20 多個用于放射學和數字病理學的預訓練 AI 模型，這些模型可供立即下載和使用，您也可通過遷移學習工具套件根據單個機構的數據對模型進行相應調整，或通過我們的聯邦學習框架根據多個機構的數據對其展開訓練。借助聯邦學習，預先經過訓練的本地模型可以通過共享模型權重的子集而無需共享患者信息，從而根據跨地區和跨機構患者的多樣化數據展開訓練。

NVIDIA Clara Holoscan 是一個醫療設備混合計算平臺，包含在嵌入式服務、邊緣和云端開發和運行端到端串流和成像應用所需的硬件系統、經優化的庫、SDK 以及核心微服務。

AI 輔助的圖像標注

Clara Train AI 輔助數據標注（AIAA）

NVIDIA AI 輔助數據標注（AIAA）提供客戶端 API 和數據標注服務器，可流暢支持任何醫療檢視器采用 AI 技術，并可加速創建高質量已標注數據集，用于訓練穩健的人工智能算法。

將數據標注工作流的效率提高 10 倍

提供預訓練模型和智能算法，只需單擊幾下即可開始標注數據

可進行配置，讓用戶能夠設定自定義推理邏輯

為開發者提供可靠的服務器 - 客戶端架構，以便通過 AI 助力的數據標注工作流擴展其檢視器應用

AI 模型訓練

Clara Train SDK

NVIDIA Clara Train SDK 提供一個訓練框架，有助于加速適用于醫學影像用例的深度學習訓練和推理。這讓醫學影像研究人員和開發者能夠使用高級直觀的 API 快速實施新模型。

Clara Train 基于 MONAI Core（基于 PyTorch 的醫療健康影像深度學習框架）構建，并且可將 MONAI 中的領域專用基礎模組以 MMAR（醫學模型存檔）格式加以提取。

提供先進的預訓練模型，助您快速入門

借助適用于 3D 成像模型的特定領域 GPU 優化，將訓練性能提升至多 50 倍

提供 AutoML 等功能強大的技術，可實現自動參數調整并加快迭代實驗速度

Clara Train 的聯邦學習由 NVIDIA 獨立 Python 庫 NVFlare 提供支持，能夠以簡便的方式置備分布式客戶端，助力針對醫學影像用例的多機構協作

AI 推理

Clara Holoscan SDK

超聲波、內窺鏡、手術機器人、數字病理學、放射治療、患者監控 CT、MRI、X 光、基因組學、顯微鏡技術等領域均需使用計算醫療設備，而 NVIDIA Clara Holoscan SDK 可為這些計算醫療設備提供醫療健康領域特定加速庫、預訓練 AI 模型和參考應用。

適用于傳統醫學影像推理用例（包括診斷、質量保證和研究驗證）的 Clara Holoscan 仍在開發中，您可以在 Holoscan SDK 頁面上了解更多相關信息。

如果您希望立即開始使用相關領域的 SDK，建議查看 MONAI Deploy。這是一個開源 SDK、參考應用和微服務的合集，由 Project MONAI 社區創建，易于入門。

MONAI Deploy

MONAI Deploy 旨在成為臨床生產中醫療 AI 應用的開發、包裝、測試、部署和運行的實際標準。MONAI Deploy 專注于確定應用從研究創新階段到投入醫院臨床生產環境的歷程。MONAI Deploy 的指導原則包括：

創建有形素材：工具、應用和演示 / 原型

先專注于放射學，隨后轉向病理學等其他形式

與臨床系統有互操作性。從 DICOM 入手，隨后轉向 FHIR