如何使用Databricks Machine learning Runtime和MLflow构建一个端到端的深度学习管道，用于整个幻灯片图像分析
可按需
今天，组织样本的显微扫描可以以低成本快速数字化。这些高分辨率图像为研究人员和临床医生提供了丰富的信息，以帮助检测癌症的存在，开发新的治疗方法等。然而，大部分工作都需要人工对这些图像进行劳动密集型的审查。深度学习可以通过在几分钟内解释数千张图像来增强这些工作流程。
尽管有深度学习的前景，医疗保健和生命科学组织仍难以实现自动化数字病理工作流程，原因如下:
- 处理大型图像文件(例如每张幻灯片1-2 GB)速度慢且成本高
- 深度学习管道很难并行化，训练一个模型可能需要数周时间
- 在各个研究实验室中跟踪和复制实验是一个挑战
幸运的是，Databricks统一数据分析平台以及流行的开源项目Apache Sparkbob体育客户端下载TMSpark深度学习管道和MLflow可以轻松构建用于医学图像分析的可扩展深度学习管道。
参加本次网络研讨会，了解:
- 深度学习如何用于自动化数字病理图像分析
- 如何使用Databricks的ML运行时在几分钟内处理数千张完整的幻灯片图像
- 如何训练一个图像分类器来检测肿瘤片段中的癌症转移
- 如何使用MLflow轻松跟踪和重现临床实验
演讲者
- Frank Nothaft, Databricks医疗保健和生命科学技术总监
- Amir Kermany，医疗保健和生命科学解决方案架构师，Databricks
- Michael Ortega, Databricks行业和解决方案营销主管
