의료 영상 레이블 지정기에서 MONAI Label 시작하기

MONAI(Medical Open Network for AI) Label[1][2]은 의료 영상에 레이블을 지정하기 위한 딥러닝 프레임워크입니다. 의료 영상 레이블 지정기 앱 내의 MONAI Label에 연결하여 방사선 영상 분할을 위해 완전히 자동화된 대화형 딥러닝 모델을 적용할 수 있습니다.

이러한 영상은 의료 영상 레이블 지정기에서 자동화된 MONAI Label 모델을 사용하여 레이블이 지정된 CT 스캔을 보여줍니다.

CT scans labeled using an automated MONAI Label model for multi-organ and vertebra segmentation

레이블 지정 세션을 열고 데이터 불러오기

의료 영상 레이블 지정기 앱을 열고 볼륨 레이블 지정 세션을 시작합니다. 새 볼륨 세션을 만들거나 이전 세션을 다시 열 수 있습니다. 새 세션을 만드는 경우 레이블을 지정할 DICOM, NIfTI 또는 NRRD 볼륨을 가져옵니다. 볼륨 세션을 만들고 데이터를 가져오는 방법을 보여주는 예는 Label 3-D Medical Image Using Medical Image Labeler 항목을 참조하십시오.

MONAI Label 시작하기

의료 영상 레이블 지정기에서 MONAI Label을 사용하려면 MONAI Label 서버에 연결해야 합니다. 이 서버는 딥러닝 모델을 포함하는 MONAI Label 소프트웨어의 인스턴스입니다. 의료 영상 레이블 지정기는 MONAI Label 버전 0.7.0을 지원합니다.

앱 툴스트립에서 서버에 연결하려면 먼저 MONAI Label 탭에서 MONAI Label 시작을 선택하십시오.

Medical Image Labeler window showing the Start MONAI Label button

로컬 컴퓨터나 원격 컴퓨터에 MONAI Label 서버를 설치하고 실행할 수 있습니다. 다음 표에 각 옵션에 대한 세부 정보가 나와 있습니다.

정의	사용하는 경우	방식
로컬 MONAI Label 서버는 로컬 컴퓨터에 설치하는 서버입니다. 이 상황에서는 MONAI Label과 MATLAB^®이 동일한 컴퓨터에서 실행됩니다.	독립적으로 작업 중이며 컴퓨터에 CUDA® 지원 GPU가 있는 경우.	MONAI Label 탭에서 MONAI Label 시작 > 로컬 컴퓨터에서를 선택합니다. 의료 영상 레이블 지정기가 설치되어 있는 경우 컴퓨터에서 자동으로 시작되고 MONAI Label 서버에 연결됩니다. 이 작업에 몇 분이 걸릴 수 있습니다. 참고 로컬 서버에 처음 연결하려고 하면 의료 영상 레이블 지정기에서 MONAI Label 소프트웨어가 포함된 Medical Imaging Toolbox™ Interface for MONAI Label Library 지원 패키지를 설치하라는 메시지가 표시됩니다. 애드온 설치에 대한 자세한 내용은 애드온을 받고 관리하기 항목을 참조하십시오. 이 지원 패키지를 사용하려면 Deep Learning Toolbox™와 Computer Vision Toolbox™도 필요합니다.
원격 MONAI Label 서버는 로컬 컴퓨터가 아닌 컴퓨터에 연결하는 서버입니다. 이 상황에서는 MONAI Label과 MATLAB이 서로 다른 컴퓨터에서 실행됩니다.	MONAI Label을 실행하는 원격 컴퓨터의 IP 주소를 아는 경우. 예를 들어, GPU 연산 컴퓨터 한 대를 팀과 공유하며 작업할 수 있습니다.	먼저, 원격 컴퓨터에서 MONAI Label 서버를 시작합니다. 자세한 지침은 MONAI Label 문서의 Installation 페이지를 참조하십시오. 그런 다음 의료 영상 레이블 지정기의 MONAI Label 탭에서 MONAI Label 시작 > 서버에 연결을 선택합니다. 대화 상자에서 원격 MONAI Label 서버의 IP 주소를 입력하거나 최근에 사용된 IP 주소를 선택하고 확인을 클릭합니다. 원격 MONAI Label 서버에 연결하는 데는 Medical Imaging Toolbox Interface for MONAI Label Library 지원 패키지가 필요하지 않습니다.

정의

사용하는 경우

방식

로컬 MONAI Label 서버는 로컬 컴퓨터에 설치하는 서버입니다. 이 상황에서는 MONAI Label과 MATLAB^®이 동일한 컴퓨터에서 실행됩니다.

독립적으로 작업 중이며 컴퓨터에 CUDA® 지원 GPU가 있는 경우.

MONAI Label 탭에서 MONAI Label 시작 > 로컬 컴퓨터에서를 선택합니다. 의료 영상 레이블 지정기가 설치되어 있는 경우 컴퓨터에서 자동으로 시작되고 MONAI Label 서버에 연결됩니다. 이 작업에 몇 분이 걸릴 수 있습니다.

참고

로컬 서버에 처음 연결하려고 하면 의료 영상 레이블 지정기에서 MONAI Label 소프트웨어가 포함된 Medical Imaging Toolbox™ Interface for MONAI Label Library 지원 패키지를 설치하라는 메시지가 표시됩니다. 애드온 설치에 대한 자세한 내용은 애드온을 받고 관리하기 항목을 참조하십시오. 이 지원 패키지를 사용하려면 Deep Learning Toolbox™와 Computer Vision Toolbox™도 필요합니다.

원격 MONAI Label 서버는 로컬 컴퓨터가 아닌 컴퓨터에 연결하는 서버입니다. 이 상황에서는 MONAI Label과 MATLAB이 서로 다른 컴퓨터에서 실행됩니다.

MONAI Label을 실행하는 원격 컴퓨터의 IP 주소를 아는 경우. 예를 들어, GPU 연산 컴퓨터 한 대를 팀과 공유하며 작업할 수 있습니다.

먼저, 원격 컴퓨터에서 MONAI Label 서버를 시작합니다. 자세한 지침은 MONAI Label 문서의 Installation 페이지를 참조하십시오.

그런 다음 의료 영상 레이블 지정기의 MONAI Label 탭에서 MONAI Label 시작 > 서버에 연결을 선택합니다. 대화 상자에서 원격 MONAI Label 서버의 IP 주소를 입력하거나 최근에 사용된 IP 주소를 선택하고 확인을 클릭합니다.

원격 MONAI Label 서버에 연결하는 데는 Medical Imaging Toolbox Interface for MONAI Label Library 지원 패키지가 필요하지 않습니다.

서버에 연결하면 앱 툴스트립에서 서버 정보를 선택하여 서버 세부 정보를 볼 수 있습니다. 레이블 지정 작업을 마치고 MONAI Label 서버와의 연결을 끊으려면 서버 연결 끊기를 클릭하십시오.

MONAI Label 모델 선택하기

앱 툴스트립의 모델 갤러리에서 MONAI Label 모델을 선택합니다. 자동 섹션에 나열된 모델은 완전 자동화되어 있으며 전경 마커나 배경 마커가 필요하지 않습니다. 대화형 섹션에 나열된 모델은 전경 점과 배경 점을 선택적으로 허용하거나 수동으로 그려야 합니다.

Medical Image Labeler app toolstrip, with a rectangle highlighting the Models gallery

다음 표에는 지원 패키지에서 제공되는 MONAI Label 모델이 나열되어 있으며, 모델에 대한 세부 정보와 관련 MONAI Label 문서 페이지로 연결되는 링크가 포함되어 있습니다. 분할하려는 레이블 영역을 예측하는 모델을 선택하십시오. 여러 모델이 비슷한 레이블을 예측하는 경우 시행착오를 통해 결과를 비교할 수 있습니다. 모델은 일반적으로 복셀 간격 및 전처리가 훈련 영상과 비슷한 입력 영상에서 가장 잘 작동하므로, 선택적으로 훈련 세부 정보에 대한 MONAI 문서를 읽어보십시오.

이름	설명	MONAI 문서
`localization spine`	척추의 CT 분할을 위한 자동화된 모델. 경추, 흉추, 요추를 포함하는 1개의 척추 레이블을 예측합니다.	MONAI Label Radiology Sample Application GitHub 리포지토리 페이지에서 Multistage Vertebra Segmentation 아래의 Spine Localization을 참조하십시오.
`localization vertebra`	개별 척추골의 CT 분할을 위한 자동화된 모델. 개별 경추, 흉추, 요추에 대해 최대 24개의 레이블을 예측합니다. 결과는 일반적으로 `vertebra pipeline` 모델보다 덜 정교하지만, GPU 메모리 요구 사항이 더 낮습니다.	MONAI Label Radiology Sample Application GitHub 리포지토리 페이지에서 Multistage Vertebra Segmentation 아래의 Vertebra Localization을 참조하십시오.
`vertebra pipeline`	개별 척추골의 CT 분할을 위한 자동화된 모델. 개별 경추, 흉추, 요추에 대해 최대 24개의 레이블을 예측합니다. 결과는 일반적으로 `vertebra pipelline` 모델보다 더 정교하지만, GPU 메모리 요구 사항이 더 높습니다.	MONAI Label Radiology Sample Application GitHub 리포지토리 페이지에서 Multistage Vertebra Segmentation을 참조하십시오.
`segmentation spleen`	비장의 CT 분할을 위한 자동화된 모델. 비장에 대한 1개의 레이블을 예측합니다.	MONAI Label Radiology Sample Application GitHub 리포지토리 페이지에서 Segmentation Spleen을 참조하십시오.
`spleen ct segmentation`	비장의 CT 분할을 위한 자동화된 모델. 비장에 대한 1개의 레이블을 예측합니다.	MONAI Model Zoo 페이지에서 "Spleen ct segmentation"을 찾아 Model Details를 클릭하십시오.
`pancreas ct dints segmentation`	CT 분할을 위한 자동화된 모델. 췌장과 췌장 종양에 대한 2개의 레이블을 예측합니다.	MONAI Model Zoo 페이지에서 "Pancreas ct dints segmentation"을 찾아 Model Details를 클릭하십시오.
`renalStructures UNEST segmentation`	신장의 CT 분할을 위한 자동화된 모델. 피질, 수질, 신우신배계에 대해 최대 3개의 레이블을 예측합니다.	MONAI Model Zoo 페이지에서 "Renalstructures unest segmentation"을 찾아 Model Details를 클릭하십시오.
`prostate mri anatomy`	전립선의 MRI 분할을 위한 자동화된 모델. 중심선과 주변 영역에 대한 2개의 레이블을 예측합니다.	MONAI Model Zoo 페이지에서 "Prostate mri anatomy"를 찾아 Model Details를 클릭하십시오.
`wholeBrainSeg Large UNEST segmentation`	뇌의 MRI 분할을 위한 자동화된 모델. T1W MRI 영상에 대해 훈련된 모델입니다. 뇌의 개별 구조에 대해 최대 132개의 레이블을 예측합니다.	MONAI Model Zoo 페이지에서 "Wholebrainseg large unest segmentation"을 찾아 Model Details를 클릭하십시오.
`segmentation`	다중 장기 CT 분할을 위한 자동화된 모델. 비장, 간, 위 등 주요 장기, 각 폐의 개별 엽, 심장의 개별 방, 대동맥과 하대정맥과 같은 주요 정맥과 동맥을 포함하여 최대 25개의 레이블을 예측합니다.	MONAI Label Radiology Sample Application GitHub 리포지토리 페이지에서 Segmentation을 참조하십시오.
`swin unetr btcv segmentation`	다중 장기 CT 분할을 위한 자동화된 모델. 비장, 신장, 담낭, 식도, 간, 위, 췌장 등의 장기와 대동맥, 하대정맥, 문맥, 비장정맥, 부신을 포함하여 최대 13개의 레이블을 예측합니다.	MONAI Model Zoo 페이지에서 "Swin unetr btcv segmentation"을 찾아 Model Details를 클릭하십시오.
`wholeBody ct segmentation`	전신 CT 분할을 위한 자동화된 모델. 장기와 개별 뼈, 근육군, 폐엽, 심방, 주요 정맥 및 동맥에 대해 최대 104개의 레이블을 예측합니다.	MONAI Model Zoo 페이지에서 "Wholebody ct segmentation"을 찾아 Model Details를 클릭하십시오.
`deepedit`	다중 장기 CT 분할을 위한 자동화 및 대화형 하이브리드 모델. 비장, 신장, 간, 위, 대동맥, 하대정맥, 배경에 대해 최대 8개의 레이블을 예측합니다.	MONAI Label Radiology Sample Application GitHub 리포지토리 페이지에서 DeepEdit를 참조하십시오.
`deepgrow 3d`	다중 기관 분할을 위한 대화형 모델. 비장, 신장, 간, 위, 대동맥, 하대정맥에 대해 최대 7개의 레이블을 예측합니다.	MONAI Label Radiology Sample Application GitHub 리포지토리 페이지에서 Deepgrow를 참조하십시오.

레이블 매핑하기

각 MONAI Label 모델은 spleen, aorta 또는 rightKidney와 같은 특정 레이블 클래스를 예측하도록 훈련되었습니다. 모델을 실행하기 전에 MONAI Label 클래스를 의료 영상 레이블 지정기 내의 레이블 정의에 매핑해야 합니다.

새 모델을 선택하면 자동으로 열리는 레이블 매핑 대화 상자를 사용하여 레이블을 매핑합니다. 이 대화 상자에는 선택한 모델의 모든 레이블 클래스가 나열된 표가 포함되어 있습니다. 예측하려는 각 레이블에 대해 예측? 열의 체크박스를 선택하십시오. 모든 레이블을 선택하거나 레이블 중 일부를 선택할 수 있습니다. 그런 다음 선택한 각 레이블에 대해 앱에서의 레이블 정의 열에서 옵션을 선택합니다. MONAI Label 이름과 동일한 이름으로 새 레이블 정의를 만들려면 <Create New>를 선택하십시오. 기존 레이블 정의에 출력 레이블을 할당하려면 기존 레이블 정의를 대신 선택하십시오. 한 의료 영상 레이블 지정기 레이블 정의에 여러 MONAI Label 클래스를 할당할 수 있습니다. 예를 들어, 아래 영상에서 left kidney와 right kidney를 모두 하나의 전체 kidney 레이블 정의에 매핑할 수 있습니다. 선택 사항을 저장하려면 확인을 클릭하십시오.

다음 이미지는 모든 레이블이 예측을 위해 선택된 상태의 레이블 매핑 대화 상자를 보여주며, MONAI 출력 레이블 spleen을 기존 spleen 레이블 정의에 매핑할 수 있음을 보여줍니다.

Label Mapping dialog box with callouts to the predict check box, drop down menu for selecting a label definition, and the OK button for saving choices

전경 마커 및 배경 마커 그리기(대화형 모델만 해당)

대화형 MONAI Label 모델은 레이블 예측을 안내하기 위해 대화형 방식으로 그린 전경 마커와 배경 마커를 받습니다.

deepgrow 3d 모델에는 적어도 하나의 전경 마커나 배경 마커가 필요합니다.
deepedit 모델은 전경 마커와 배경 마커를 선택적으로 받으며, deepedit를 자동화된 모델로 실행할 수도 있습니다. 예를 들어, 마커 없이 모델을 자동으로 실행한 다음 레이블이 잘못 지정된 영역에 마커를 추가하고 다시 실행하여 레이블을 미세 조정할 수 있습니다.

한 번에 한 레이블 정의에 대해서만 마커를 그릴 수 있습니다. 레이블 정의 창에서 원하는 레이블 정의를 선택합니다. 마커를 그리려면 앱 툴스트립에서 전경 표시 또는 배경 표시를 선택한 다음 클릭하고 끌어서 놓는 방법으로 영상 슬라이스 위에 그립니다. 예를 들어, 다음 이미지는 leftKidney 레이블에 대해 녹색으로 표시된 전경 마커와 빨간색으로 표시된 배경 마커를 보여줍니다.

Medical Image Labeler app window, showing foreground and background markers drawn in a transverse slice of a CT scan

볼륨에서 모든 마커를 지우려면 마커 지우기를 선택합니다. 서버 연결 끊기를 선택하거나, 모델 갤러리에서 새 모델을 선택하거나, 레이블 정의 창에서 새 레이블을 선택하거나, 데이터 브라우저에서 새 볼륨을 선택하면 앱에서 모든 마커가 자동으로 지워집니다.

모델 실행하기

앱 툴스트립에서 실행을 클릭하여 모델을 실행합니다.

모든 자동화된 모델과 deepedit 모델은 레이블 매핑 대화 상자에서 예측을 위해 선택한 모든 레이블을 동시에 예측합니다.
deepgrow 3d 모델은 레이블을 한 번에 하나씩 예측하고 레이블 정의 창에서 현재 선택된 레이블만 예측합니다. 추가 레이블을 예측하려면 레이블 정의 창에서 새 레이블을 선택하고 전경 마커나 배경 마커를 그린 다음 실행을 클릭하십시오.

예를 들어, 다음 이미지는 이전 섹션에서 그린 마커를 사용하여 예측된 왼쪽 신장 레이블을 보여줍니다.

Medical Image Labeler app window, showing predicted left kidney labels in a transverse slice of a CT scan

MONAI Label 오류 해결하기

다음 표에는 의료 영상 레이블 지정기에서 MONAI Label을 사용할 때 발생할 수 있는 오류와 각각의 오류를 해결할 수 있는 해결 방법을 보여줍니다.

문제 가능한 해결 방법

모델을 실행하려고 하면 메모리 부족 오류 메시지가 나타납니다.

문제	가능한 해결 방법
모델을 실행하려고 하면 메모리 부족 오류 메시지가 나타납니다.	모델마다 메모리 요구 사항이 제각기 다르므로 다른 MONAI Label 모델을 실행해 봅니다. 로컬 컴퓨터에서 서버를 시작하는 대신, 사용 가능한 GPU 메모리가 더 많은 컴퓨터에서 원격 서버에 연결합니다. 로컬 컴퓨터의 GPU 리소스를 업그레이드하여 사용 가능한 메모리를 늘립니다.
MONAI Label 서버를 시작하려고 하면 서버를 시작하지 못했다는 오류 메시지가 나타납니다.	Medical Imaging Toolbox Interface for MONAI Label Library 지원 패키지를 제거했다가 다시 설치합니다. 지원 패키지를 제거합니다. MATLAB 툴스트립의 홈 탭에서 애드온 > 애드온 관리를 선택합니다. 지원 패키지 이름 오른쪽에 있는 옵션 버튼 을 클릭하고 제거를 선택합니다. `matlabshared.supportpkg.getSupportPackageRoot`가 반환한 지원 패키지 폴더에 다음 파일이 아직 존재하면 삭제합니다. `supportpkgroot\3P.instrset\monai.instrset` `supportpkgroot\3P.instrset\pythonstandalone_3.10.instrset` `supportpkgroot\3P.instrset\pytorch_2.0.1_python_3.10.instrset` `supportpkgroot\toolbox\medical\supportpackages\monailabel` 지원 패키지를 다시 설치하고 서버를 다시 시작해 봅니다.
MONAI Label 서버를 시작하려고 하면 GitHub® 요청 횟수 제한 초과에 관한 오류 메시지가 나타납니다.	지원 패키지를 설치한 후 로컬 서버를 처음 시작하거나 컴퓨터에서 모델 파일을 삭제하는 경우 의료 영상 레이블 지정기는 GitHub에서 MONAI Label 모델을 다운로드합니다. 짧은 시간 내에 GitHub에서 다운로드 요청을 너무 많이 하면 요청 횟수 제한을 초과할 수 있습니다. 요청 횟수 제한 문제에 대해 자세히 알아보려면 Rate limits for the REST API GitHub 문서 페이지를 참조하십시오. 다음 단계를 따라 오류를 해결합니다. Managing your personal access tokens GitHub 문서 페이지의 절차에 따라 개인 액세스 토큰을 생성합니다. personal access token (classic) 또는 fine-grained personal access token을 생성할 수 있습니다. GitHub에서 생성된 토큰 문자열을 복사한 후 MATLAB 명령 창에 다음 명령을 입력합니다. 여기서 tokenstring은 GitHub에서 생성된 토큰 문자열입니다. setenv("MONAI_ZOO_AUTH_TOKEN","tokenstring") 서버를 다시 시작해 봅니다.

모델마다 메모리 요구 사항이 제각기 다르므로 다른 MONAI Label 모델을 실행해 봅니다.
로컬 컴퓨터에서 서버를 시작하는 대신, 사용 가능한 GPU 메모리가 더 많은 컴퓨터에서 원격 서버에 연결합니다.
로컬 컴퓨터의 GPU 리소스를 업그레이드하여 사용 가능한 메모리를 늘립니다.

MONAI Label 서버를 시작하려고 하면 서버를 시작하지 못했다는 오류 메시지가 나타납니다.

Medical Imaging Toolbox Interface for MONAI Label Library 지원 패키지를 제거했다가 다시 설치합니다.

지원 패키지를 제거합니다. MATLAB 툴스트립의 홈 탭에서 애드온 > 애드온 관리를 선택합니다. 지원 패키지 이름 오른쪽에 있는 옵션 버튼 을 클릭하고 제거를 선택합니다.
matlabshared.supportpkg.getSupportPackageRoot가 반환한 지원 패키지 폴더에 다음 파일이 아직 존재하면 삭제합니다.
- supportpkgroot\3P.instrset\monai.instrset
- supportpkgroot\3P.instrset\pythonstandalone_3.10.instrset
- supportpkgroot\3P.instrset\pytorch_2.0.1_python_3.10.instrset
- supportpkgroot\toolbox\medical\supportpackages\monailabel
지원 패키지를 다시 설치하고 서버를 다시 시작해 봅니다.

MONAI Label 서버를 시작하려고 하면 GitHub® 요청 횟수 제한 초과에 관한 오류 메시지가 나타납니다.

지원 패키지를 설치한 후 로컬 서버를 처음 시작하거나 컴퓨터에서 모델 파일을 삭제하는 경우 의료 영상 레이블 지정기는 GitHub에서 MONAI Label 모델을 다운로드합니다. 짧은 시간 내에 GitHub에서 다운로드 요청을 너무 많이 하면 요청 횟수 제한을 초과할 수 있습니다. 요청 횟수 제한 문제에 대해 자세히 알아보려면 Rate limits for the REST API GitHub 문서 페이지를 참조하십시오. 다음 단계를 따라 오류를 해결합니다.

Managing your personal access tokens GitHub 문서 페이지의 절차에 따라 개인 액세스 토큰을 생성합니다. personal access token (classic) 또는 fine-grained personal access token을 생성할 수 있습니다.
GitHub에서 생성된 토큰 문자열을 복사한 후 MATLAB 명령 창에 다음 명령을 입력합니다. 여기서 tokenstring은 GitHub에서 생성된 토큰 문자열입니다.
```
setenv("MONAI_ZOO_AUTH_TOKEN","tokenstring")
```
서버를 다시 시작해 봅니다.

참고 문헌

[1] Diaz-Pinto, Andres, Sachidanand Alle, Vishwesh Nath, Yucheng Tang, Alvin Ihsani, Muhammad Asad, Fernando Pérez-García, et al. “MONAI Label: A Framework for AI-Assisted Interactive Labeling of 3D Medical Images,” 2022. https://doi.org/10.48550/ARXIV.2203.12362.

[2] Diaz-Pinto, Andres, Pritesh Mehta, Sachidanand Alle, Muhammad Asad, Richard Brown, Vishwesh Nath, Alvin Ihsani, et al. “DeepEdit: Deep Editable Learning for Interactive Segmentation of 3D Medical Images.” In Data Augmentation, Labelling, and Imperfections, edited by Hien V. Nguyen, Sharon X. Huang, and Yuan Xue, 11–21. Lecture Notes in Computer Science. Cham: Springer Nature Switzerland, 2022. https://doi.org/10.1007/978-3-031-17027-0_2.

참고 항목

의료 영상 레이블 지정기