放射師和病理學家身負重任。不過，眼睛疲勞、放射師數量太少或工作負載過重都可能會導致錯誤發生，最終造成檢查結果和診斷的誤差。人工智慧工具可協助解讀掃描、加速工作流程，並減少偏差值。切割傷口圖像、計算血流量、檢測結節和分診活體組織切片都是人工智慧在醫學影像的絕佳應用。
Mass General 的 Athinoula A 的研究人員使用 NVIDIA DGX™ A100 加速人工智慧模型訓練。研究生物醫學影像的 Martinos Center 使用模型來切割及對齊多個胸腔掃描，以計算肺部疾病的嚴重性。
倫敦國王學院 (King's College London) 與 NVIDIA 推出了 MONAI，這是一款針對醫學影像的開放原始碼、採用 PyTorch、領域最佳化人工智慧框架，可為整體醫療照護產業的深度學習帶來最佳做法。
Qure.AI 自 2016 年以來，不斷開發可在肺部掃描中檢測疾病跡象的人工智慧工具。當 COVID-19 開始擴散時，他們快速改造了解決方案，以解決臨床醫師的緊急需求。
每年有超過 1000 萬個結核病例，其中印度病例的佔比超過 25%。為了協助檢測疾病，DeepTek 開發出了一款人工智慧工具，至今已在印度應用於超過 70,000 張胸腔 X 光照片。
透過人工智慧技術，Sydney Neuroimaging Analysis Centre (SNAC) 在分割作業中的速度提升了 15 倍。從 MRI 影像擷取整個大腦以往要耗費 20 到 30 分鐘，現在只需 2 到 3 分鐘內就能完成。
在 GTC 中瀏覽隨選醫療影像會議，並瞭解全球各地的學術醫療研究中心和開發人員如何將人工智慧應用於醫學影像。
瞭解 XNAT 和 NVIDIA Clara™ 影像如何藉由簡化資料、人工智慧模型和部署工作流程的端對端生命週期管理，降低採用人工智慧的門檻。
瞭解與醫學影像人工智慧市場整合的優點和需要採取的步驟，以及取得人工智慧演算法核准的過程。
使用 NVIDIA Clara 醫療影像強化人工智慧支援的儀器和醫學影像工作流程。開發人員可以開始使用特定領域的應用程式框架，著手打造人工智慧應用程式，並無縫整合到大規模的臨床工作流程中。
無論是在邊緣或人工智慧基礎架構上建立和管理嵌入式裝置，以支援運算密集的工作負載，NVIDIA 都能為醫學影像工作流程開發和部署最佳化且可擴充的應用程式，包括人工智慧訓練、影像重建和影像處理。
隨時掌握來自 NVIDIA 的最新醫學影像消息
獲得最新醫學影像新聞