MONAI Deploy

MONAI Deploy 提供了一个标准化的框架，简化了部署，同时确保了可靠性、性能以及与现有医疗基础设施的无缝集成。

开始使用 文档 参与贡献

为什么选择 MONAI Deploy？

使用专为医疗 AI 设计的框架，加速您从研究到临床部署的旅程，相较于传统的部署方法，它提供了独特的优势。

标准化打包

适用于所有环境的单一 MAP 格式

可重复的多站点部署

内置依赖管理

原生医疗支持

DICOM 和 PACS 集成

临床工作流程优化

符合医疗法规要求

可扩展架构

横向扩展能力

实时性能监控

负载均衡与故障转移

企业部署特性

MONAI Deploy 提供了一个全面的平台，用于在临床环境中部署 AI 模型。了解使其企业部署无缝且安全的关键特性。

开发流水线

1

训练好的模型

使用 MONAI Core 或 MONAI Label 训练的模型

2

MONAI Deploy App SDK

构建和打包 AI 应用程序

3

MONAI 应用程序包

标准化部署容器

医院运营

4

推理引擎

高效执行 AI 模型

5

工作流管理器

协调数据流和任务

6

信息学网关

处理 DICOM 和 FHIR 数据交换

7

PACS

连接医院影像系统

MONAI 制品/工件
MONAI 子系统
第三方系统

技术组件

应用程序开发

MONAI 应用程序包

一个 Pythonic SDK，用于构建医疗领域中可部署的 AI 应用程序。创建标准化、可移植的应用程序，随时准备部署。

了解更多

工作流管理器

协调中心

MONAI Deploy 平台的中央协调系统。管理复杂的工作流程，并在不同组件之间无缝协调。

了解更多

信息学网关

数据集成

促进 DICOM 和 FHIR 数据的无缝 I/O。使用标准化协议将 AI 应用程序连接到医疗信息系统。

了解更多

开始使用 MONAI Deploy App SDK

按照以下步骤开始使用 MONAI Deploy 部署您的 AI 模型。

1

环境设置

安装 MONAI Deploy SDK 并使用我们的详细设置指南配置您的开发环境。

pip install monai-deploy-app-sdk   # 克隆 MONAI Deploy App SDK 仓库以获取示例应用程序 git clone https://github.com/Project-MONAI/monai-deploy-app-sdk.git cd monai-deploy-app-sdk   # 安装简单影像应用程序所需的额外依赖项 pip install matplotlib Pillow scikit-image
查看设置指南
2

应用程序开发

使用我们的简单影像示例运行您的第一个 MONAI Deploy 应用程序。

# 在本地运行 MONAI Deploy 应用程序 python examples/apps/simple_imaging_app/app.py \ -i examples/apps/simple_imaging_app/brain_mr_input.jpg \ -o output
查看教程
3

包创建

创建 MONAI 应用程序包 (MAP) 以确保在不同环境中的一致部署。

# 打包应用程序以创建 MAP Docker 镜像 monai-deploy package examples/apps/simple_imaging_app \ -c simple_imaging_app/app.yaml \ -t simple_app:latest \ --platform x64-workstation \ -l DEBUG
打包指南
4

部署

使用我们的部署指南将您的打包应用程序部署到临床环境。

# 创建输入目录并删除任何现有文件 mkdir -p input rm -rf input/*   # 复制测试文件到输入目录 cp examples/apps/simple_imaging_app/brain_mr_input.jpg input/   # 启动 MONAI 应用程序 monai-deploy run simple_app-x64-workstation-dgpu-linux-amd64:latest \ -i input -o output
部署指南

额外资源

示例应用程序

学习真实的示例和样本应用程序

API 参考

所有 MONAI Deploy 组件的详细文档

社区支持

加入讨论并获得社区的帮助

实际应用案例

了解领先的医疗机构如何利用 MONAI Deploy 通过 AI 驱动的医学影像改变患者护理。

Siemens Healthineers - Enterprise AI Integration Partner

Siemens Healthineers

企业集成

Siemens Healthineers 已将 MONAI Deploy 集成到其 AI-Rad Companion 平台中，从而在其广泛的医疗网络中实现 AI 模型的无缝部署。这一集成显著缩短了部署时间，并改进了模型性能监控。

了解更多
Mayo Clinic - Healthcare Innovation Partner

Mayo Clinic

医疗创新

佛罗里达州梅奥诊所影像增强智能中心已开发了使用 MONAI 无缝集成影像 AI 模型的基础设施。

了解更多
AI Centre for Value Based Healthcare - Research Platform Partner

基于价值的医疗 AI 中心

研究平台

AIDE (AI 部署引擎) 通过将其无缝集成到研究工作流程中，实现了 AI 模型的安全高效部署。

了解更多
mercure - Open Source DICOM Orchestrator

mercure

开源

一个开源的 DICOM 协调器，可无缝集成 MONAI 应用程序包 (MAP)，简化用于研究的 AI 模型部署。

了解更多

如何引用 MONAI Deploy

如果您在研究中使用 MONAI Deploy，请引用我们的论文

@article{gupta2024monai,
    title={Current State of Community-Driven Radiological AI Deployment in Medical Imaging},
    author={Gupta, Vikash and Erdal, Barbaros and Ramirez, Carolina and Floca, Ralf and Genereaux, Bradley and Bryson, Sidney and Bridge, Christopher and Kleesiek, Jens and Nensa, Felix and Braren, Rickmer and Younis, Khaled and Penzkofer, Tobias and Bucher, Andreas Michael and Qin, Ming Melvin and Bae, Gigon and Lee, Hyeonhoon and Cardoso, M Jorge and Ourselin, Sebastien and Kerfoot, Eric and Choudhury, Rahul and White, Richard D and Cook, Tessa and Bericat, David and Lungren, Matthew and Haukioja, Risto and Shuaib, Haris},
    journal={JMIR AI},
    volume={3},
    pages={e55833},
    year={2024},
    doi={10.2196/55833}
}
DOI

参与社区建设

加入我们由研究人员、开发者和医疗专业人员组成的不断壮大的社区。获取帮助，分享您的工作，并为推进医疗 AI 部署做出贡献。

文档

查阅涵盖从基本概念到高级部署策略的全面文档。

深入了解

GitHub 仓库

探索源代码，贡献开发，并了解最新的特性和改进。

查看代码

加入讨论

在 Slack 上与 MONAI 社区联系。获取帮助，分享想法，并与其他开发者协作。

加入 Slack

示例应用程序

探索示例应用程序，并从实际部署场景中学习。

查看示例