如何构建一个端到端的深度学习管道与砖机器学习的整个幻灯片图像分析运行时和MLflow吗
可按需
今天,微观组织样本的扫描可以迅速数字化以较低的成本。这些高分辨率图像为研究人员和临床医生提供丰富的信息,以帮助检测癌症的出现,开发新的疗法等等。然而,大部分的工作需要劳动密集型的人类对这些图像。深度学习可以增加这些工作流通过解释成千上万的图片在几分钟内。
尽管深度学习的承诺,卫生保健和生命科学组织难以实现自动化数字病理工作流程有以下原因:
- 是慢和成本高昂的处理大型图像文件(例如每张幻灯片1 - 2 GB)
- 深度学习管道难以并行化,可以花几周训练模型
- 跟踪和繁殖实验在研究实验室是一个挑战
幸运的是,砖统一数据分析平台以及流行的开源项目Apache火花bob体育客户端下载TMSpark深度学习管道和MLflow很容易建立一个可伸缩的深度学习管道进行医学图像分析。
加入这个网络研讨会学习:
- 如何使用深度学习自动化数字病理图像分析
- 如何使用砖的毫升在几分钟内运行时处理成千上万的整张图片吗
- 如何培养一个图像分类器来检测癌症转移肿瘤段
- 如何使用MLflow轻松地跟踪和繁殖临床实验
演讲者
- 技术主管Frank Nothaft卫生保健和生命科学,砖
- Amir Kermany卫生保健和生命科学解决方案架构师,砖
- 行业和解决方案营销主管迈克尔•奥尔特加砖
