解鎖未來醫療！Advantech AI 實驗室揭秘：當 MONAI 遇上 Holoscan

本文章內容係以參考技術文件為基礎，經由人工智慧（AI）技術進行改寫及重整，旨在提供讀者更清晰易懂之內容呈現。如有任何技術細節上的疑義或需進一步確認，建議讀者參考原始技術文件或與相關技術人員聯繫。

想像一下，如果醫生能更快、更精準地從 CT 掃描中揪出病灶？如果 AI 能在手術中即時提供「鷹眼」般的洞察力？這聽起來像是科幻小說，但在 Advantech，我們正將這些想像化為現實！

今天，就讓我們一起走進 Advantech 的 AI 實驗室，看看我們的工程師們如何駕馭尖端技術，為智慧醫療的未來鋪路。這次的主角是兩個赫赫有名的 AI 工具：MONAI Label 和 NVIDIA Holoscan。準備好了嗎？一場精彩的技術探索之旅即將展開！

為何醫療影像需要 AI 神助攻？
#

在現代醫學中，CT、MRI 等影像檢查扮演著關鍵角色。然而，判讀這些複雜的影像、精確標註器官或病灶，往往需要耗費醫師大量時間與精力。如果能讓 AI 來分擔這些繁重的工作，不僅能提升效率，更能輔助醫師做出更周全的判斷。

這就是 MONAI Label 發揮作用的地方！它就像一個聰明的 AI 助手，專門設計來協助處理醫療影像的標註與分割。想像一下，只需要點幾下滑鼠，AI 就能自動描繪出 CT 影像中各個器官的輪廓，是不是很神奇？

而 NVIDIA Holoscan 則是另一個狠角色。它是一個專為醫療設備打造的即時 AI 運算平台。簡單來說，它能讓 AI 模型直接在手術或檢查過程中「動起來」，即時分析影像串流，提供關鍵資訊給第一線的醫護人員。

市場對於更快速、更精準、更智慧化的醫療解決方案需求日益迫切，而 Advantech 一直走在最前線，積極投入研發，探索如何將這些強大的 AI 技術整合到我們的解決方案中，為客戶創造更多價值。

Advantech 實驗進行式：讓 AI 看懂全身 CT 圖
#

我們的工程師近期就在 Advantech 高效能的 AIR-510 平台上，搭配強大的 NVIDIA A6000/A5000 顯示卡，進行了一系列令人興奮的測試。目標是利用 MONAI Label 中的 TotalSegmentator 模型，實現全身 CT 影像的自動分割。

TotalSegmentator 是一個預先訓練好的強大模型，能夠一次辨識並分割出人體 CT 影像中的 100 多個器官與結構！聽起來很複雜？別擔心，我們的工程師已經將繁瑣的設定步驟一一釐清。

以下是工程師實際操作的部分紀錄，讓大家一窺幕後：

技術驗證：MONAI Label - Whole Body CT TotalSegmentator 實驗筆記
#

如何使用

啟動背景程序

開啟一個 CMD 視窗並執行以下指令：

cd /home/eiotae/Downloads
source ~/miniconda3/bin/activate
conda activate monai
monailabel start_server --app apps/monaibundle --studies datasets/Task09_Spleen/imagesTs --conf models wholeBody_ct_segmentation

當 CMD 顯示以下圖示後，請勿操作此視窗。

啟動 3D Slicer
- 開啟另一個 CMD 視窗並執行以下指令：
```
cd /home/eiotae/Downloads/Slicer-5.6.2-linux-amd64
./Slicer
```
- 在畫面中點擊 MONAI Label。
- 輸入第一個 CMD 視窗顯示的 URL：http://0.0.0.0:8000。
- 在畫面中點擊 Next Sample。
- 在畫面中點擊 Run。
- 最後，在 3D Slicer 中，若想顯示 3D 結構，請點擊 “Show 3D”。
- 將滑鼠移到圖示右上區域，按右鍵叫出選單，點擊 Center view。
- 完成！AI 自動分割的成果就能以 3D 方式呈現。

如何安裝與設定 (詳細技術規格與指令)

基本需求

名稱描述備註

平台 x86

NVIDIA 顯示卡 A6000 或 A5000

作業系統 Ubuntu 20.04

NVIDIA Cuda 11.7

MONAI Label 最新版本 30GB

名稱	描述	備註
平台	x86
NVIDIA 顯示卡	A6000 或 A5000
作業系統	Ubuntu 20.04
NVIDIA Cuda	11.7
MONAI Label	最新版本	30GB

安裝 MONAI Label

python -m pip install --upgrade pip setuptools wheel

# 安裝 PyTorch 最新穩定版
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

# 檢查 CUDA 是否啟用
python -c "import torch; print(torch.cuda.is_available())"

pip install -U monailabel

MONAI Label CLI 簡單的 monailabel 指令可以幫助使用者下載範例應用程式、資料集並運行伺服器。
```
monailabel --help
```

下載內視鏡應用程式範例

monailabel apps --download --name endoscopy --output apps

下載範例資料集

mkdir MONAI_Label
cd MONAI_Label
# 下載 MSD 資料集
monailabel datasets # 列出範例資料集
monailabel datasets --download --name Task01_BrainTumour --output datasets

cd datasets
wget "https://github.com/Project-MONAI/MONAILabel/releases/download/data/endoscopy_frames.zip" -O datasets/endoscopy_frames.zip
unzip datasets/endoscopy_frames.zip -d datasets/endoscopy_frames

安裝 3D Slicer 3D Slicer 是一個免費開源的平台，用於分析、視覺化和理解醫學影像資料。MONAI Label 主要在 3D Slicer 上進行放射學研究、演算法開發與整合測試。建議安裝 3D Slicer 的穩定版本。

下載並安裝 3D Slicer 5.0 或更新版本 (以 5.4.0 為例)：

sudo apt-get update
sudo apt-get install -y libpulse-dev libnss3 libglu1-mesa libxcb-xinerama0

wget https://slicer-packages.kitware.com/api/v1/item/64e0b4a006a93d6cff3638ce/download -O Slicer-5.4.0-linux-amd64.tar.gz

tar zxvf Slicer-5.4.0-linux-amd64.tar.gz
# 之後可進入解壓縮後的目錄執行 ./Slicer 啟動

全身 CT TotalSegmentator 參考範例 https://github.com/Project-MONAI/tutorials/blob/main/monailabel/monailabel_wholebody_totalSegmentator_3dslicer.ipynb

技術驗證：Holoscan - 醫療即時辨識 DEMO 實驗筆記
#

我們的工程師也沒放過 NVIDIA Holoscan 這個強大的即時 AI 平台！透過 Holoscan，AI 不再只是事後分析，而是能在醫療過程中即時發揮作用。

進入 Holoscan Docker 環境：

cd /home/eiotae/Downloads/holohub
sudo ./dev_container launch

執行 DEMO：

多模態 AI 超音波 (Multiai ultrasound)
- 執行指令：
```
./run launch multiai_ultrasound cpp
```
- 展示影片連結
- 亮點： 這個模型能自動辨識心臟超音波影像中的四個關鍵測量指標（右心室直徑、室間隔厚度、左心室直徑、後壁厚度），對於診斷心臟疾病至關重要。想像一下，AI 即時標示出這些數據，能大大輔助醫師判讀。
大腸鏡息肉分割 (Colonoscopy segmentation)
- 執行指令：
```
./run launch colonoscopy_segmentation cpp
```
- 展示影片連結
- 亮點： 在大腸鏡檢查中即時辨識並框出息肉，幫助醫師不錯過任何微小病灶，提升早期診斷率。
多模態 AI 內視鏡 (Multiai endoscopy)
- 執行指令：
```
./run launch multiai_endoscopy cpp
```
- 展示影片連結
- 亮點： 在腹腔鏡手術中即時追蹤手術器械的位置，有助於提升手術的精準度與安全性，就像為外科醫師裝上 GPS！

實驗成果：不只「可行」，更是「高效」！
#

透過這些實驗，我們不僅驗證了在 Advantech 的硬體平台上運行 MONAI Label 和 Holoscan 的可行性，更看到了驚人的潛力：

效率大躍進： 以往需要數小時甚至數天才能完成的全身 CT 器官標註，現在透過 AI 模型，可以在幾分鐘內自動完成，大幅縮短影像前處理時間。
精準度提升： AI 模型基於大量數據訓練，能提供一致且客觀的分割結果，減少人為判讀的變異性，輔助醫師做出更精準的診斷與治療計畫。
即時洞察力： Holoscan 的即時 AI 分析能力，為手術與檢查帶來革命性的改變。無論是息肉偵測、器械追蹤還是超音波量測，AI 都能成為醫師在第一線最有力的助手。
Advantech 硬體實力： 實驗證明，Advantech 的 AIR-510 等邊緣運算平台，具備足夠的運算能力與穩定性，能順暢運行這些複雜的 AI 模型，是實現智慧醫療應用的堅實後盾。

這些技術的突破，意味著未來醫療將更加智慧化。例如：