基于Kaggle学习MONAI（一）

         Kaggle是一个举办机器学习竞赛、托管数据库、编写和分享代码的平台，除了丰富的人工智能应用案例和数据集之外，还提供免费的GPU资源，深受广大学生党的喜爱。MONAI（Medical Open Network for AI）是NVIDIA与伦敦国王学院（King’s College London）于联合推出的开源医学成像领域AI框架，具有功能强大的API，内嵌主流的深度学习模型，方便深度学习工程师复现最新算法效果、灵活搭建部署医学成像领域的人工智能应用。MONAI基于pytorch框架开发，专注医学影像领域的应用，进一步扩展了pytorch框架的应用领域。

       MONAI官方例程是基于google colab,不能在kaggle上直接运行。下面介绍配置及运行的详细步骤，把MONAI的第一个例程：“Medical Image Classification Tutorial with the MedNIST Dataset”在Kaggle平台上运行起来。

1.下载MONAI例程：

        通过MONAI官网进入例程的下载界面：https://github.com/Project-MONAI/tutorials/blob/main/2d_classification/mednist_tutorial.ipynb，下图中点击下载按钮，就可以mednist_tutorial.ipynb代码文件下载到电脑上。

2.导入kaggle平台

     Kaggle平台也是基于jupyter notebook进行机器学习算法的开发与验证，可以直接导入.ipynb文件。通过点击File->Import Notebook，把上一步中下载到电脑上的mednist_tutorial.ipynb上传到kaggle平台中。具体步骤如下图所示，按照要求把文件拖拽到红框所示区域就可以了。

       

3. 代码修改

3.1 安装monai软件

        因为kaggle默认环境中是没有MONAI的，需要在代码文件开始位置增加语句：!pip install monai，安装monai软件。如果安装成功，会显示如下图所示的信息。

3.2 更改临时目录

      因为kaggle的工作目录为/kaggle/working/，算法的中间结果和最终输出只允许在该目录进行，所以原代码建立的临时MONAI目录是无效的，必须修改。如下所示的源代码需要注释掉。

directory = os.environ.get("MONAI_DATA_DIRECTORY")
directory = None
root_dir = tempfile.mkdtemp() if directory is None else directory
print(root_dir)

上述代码修改为：root_dir = r'/kaggle/working/'。

4. 运行例程代码

        点击菜单上run -all键，可以运行例程代码，主要结果如下图所示：

图1 数据集随机显示图

图2 训练过程

图3 训练结果

图4 关键指标

5 总结

        只做了一点小改动，就可以在Kaggle平台运行MONAI的例程，后面将会利用Kaggle的GPU资源深入学习、理解MONAI相关例程，为基于MONAI的医学影像应用开发打好基础。