AI的外科手术刀：基于PAI-DSW的3D脑肿瘤多模态分割

肢解直接正在立体的三维空间中实行操作，可以缉捕到肿瘤完美的空间形式和布局新闻，这关于手术经营和放疗剂量的无误预备至闭紧急。

众模态MRI：临床上，大夫经常会连接众种区别成像参数的MRI扫描来诊断脑肿瘤，由于区别模态能突显区别的机闭性情（比方，T1模态看剖解布局，T2-FLAIR模态看水肿区域，T1Gd模态看加强的活性肿瘤区）。本实习将教会您奈何将这4种模态的影像动作模子的4个输入通道，为AI供给最总共的新闻来实行决定。

众模态MRI：临床上，大夫经常会连接众种区别成像参数的MRI扫描来诊断脑肿瘤，由于区别模态能突显区别的机闭性情（比方，T1模态看剖解布局，T2-FLAIR模态看水肿区域，T1Gd模态看加强的活性肿瘤区）。本实习将教会您奈何将这4种模态的影像动作模子的4个输入通道，为AI供给最总共的新闻来实行决定。

滑窗推理 (Sliding Window Inference)：因为完美的3D MRI影像卓殊大，普通无法一次性放入GPU显存实行预备。以是，咱们演练时操纵固定巨细的图像块（Patch），而正在推理（预测）时，则采用“滑窗”计谋：正在完美的大图像上顺序滑动一个小窗口实行预测，结果将一共窗口的预测结果智能地拼接起来，从而获得完美、滑腻的肢解结果。

ONNX模子安顿：ONNX是一种怒放的神经搜集换取形式，它愿意模子正在区别的AI框架和硬件平台之间轻松迁徙和安顿。研习将演练好的PyTorch模子转换为ONNX形式，是模子从酌量走向本质运用的要害一步。

本实习估计出现资源花消：约10元（以操纵ecs.gn6i-c8g1.2xlarge规格的PAI-DSW实例实行1小时的数据经管与模子演练为例估算）。

要是您调理了资源规格、延伸了操纵时长，或践诺了本计划以外的操作，也许导致用度爆发改观，请以掌握台显示的本质代价和最终账单为准。

PAI-DSW：用度闭键由DSW实例的运转时长和其规格确定。本实习选用GPU实例实行模子演练，闭机后即终了计费。

第二步：本次实习须要您通过领取阿里这样工开物学生专属300元抵扣券兑换本次实操的云资源，如未领取请先点击领取。（若已领取请跳过）

登录阿里云，进入呆板研习PAI掌握台，正在左侧导航栏采用【劳动空间列外】，点击进入您的劳动空间

正在劳动空间内，采用左侧的【模子开垦与演练】—【DSW（Data Science Workshop）】

正在Notebook的第一个代码单位格中，运转以下代码来安设需要的AI开垦库。onnxruntime用于后续的模子安顿推理。

咱们将操纵内置的数据集东西自愿下载并解压医学肢解十项万能挑衅赛中的“义务一：脑肿瘤”数据集。

核心申明：起首，咱们须要界说一个自界说变换，将原始的单通道标签（1, 2, 3...）转换为模子须要预测的3个独立通道（肿瘤重心、完美肿瘤、加强肿瘤）。

接下来，构修完美的预经管流水线。个中蕴涵重采样到1x1x1mm的各向同性空间（Spacingd），以及从大影像中随机裁剪出224x224x144巨细的演练块（RandSpatialCropd）。

核心申明：演练流程是规范的，但正在验证（Evaluation）阶段，咱们将操纵sliding_window_inference函数对完美的、未经裁剪的验证图像实行推理。

咱们将演练好的PyTorch模子转换为通用的ONNX形式，并操纵ONNX Runtime实行推理，验证其与原始模子的相似性。

守候实例状况变为“已终了”后，为确保全部开释，再次点击右侧的【...】更众操作，采用【删除】

选中一共上传的数据文献和文献夹，点击【删除】，返回Bucket列外，选中该Bucket，点击【删除】，遵照提示达成删除操作（也许须要清空碎片）