NVIDIA Clalaの使い方（その1） 　NVIDIA Clalaの使い方（その2） 　NVIDIA Clalaの使い方（その3） の続編です。 医用画像処理における AI の開発と導入を加速するNVIDIAのアプリケーションフレームワーク「NVIDIA Clara™ Imaging」についてDGXで利用するまでを詳しく解説します。

Clara Train SDK（その4: AIAA サーバーの起動）

また、jupyter note book に戻ります。今度は、AI Assisted Annotation AIAA をやってみましょう。

３．AI Assisted Annotation AIAA をクリックします。

ここで示されているようにAIAAはサーバークライアント間で、Annotation の効率上げるためにあるので、サポートされているクライアントは、４つあることがわかります。3D Slicer はその中の１つということになります。この節では、

・AIAA Server を起動し
・その２で学習した、学習モデルを参照し
・脾臓のタグ付け(Annotate)をやってみます。
・別のモデルでももちろん可能です。
・最後に AIAA サーバーを停止します。

レッツポチポチ

その２と同じく DGX-1 Server を使ってますので、８GPUが参照できています。ただ、この処理は推論なので、V100 8GPU を生かせるわけではありません。別の推論用サーバーで十分なはずです。推奨環境も Nvidia の8GB メモリとあるので、DGX A100 でMIGを用いて1GPU を必要な規模まで分割して使うのかTesla T4のような推論サーバーでいいのではないかと思います。まずは、AIAA server を起動しましょう。

起動できているとこうなるはずです。参照先は、その２で学習した、Getting Started が Rootディレクトリになっています。とはいえ、実際にはかなりの数の学習済みモデルがngc 状に存在しており、その一覧が次のように参照できます。

ページでは少し前に解説している通り、

DeepGrow model を使って、AIAAの動作を確認していきます。まずは、DeepGrow model と spleen のpretraind model をダウンロードしましょう。

こうなっていればダウンロードできているはずです。では、3D Slicer に戻り、本当に脾臓が抽出できるか試してみましょう。その２で用意した 3D Slicer で splen8をロードした状態で Segment Editor を選びます。

ただしく動作していれば、Nvidia AIAA と Model に Clara_ct_seg_spleen_no_amp と表示されているはずです、まだそれしかロードしてませんので。この状態で、Nvidia の Start ボタンを押しましょう。

AIAAサーバーにアクセスして、次のように

脾臓が抽出されていることがわかります。すでに学習済みのモデルはほかにもあるのでしょうから、ちょっと追加してみましょう。

ngc の学習済みモデルには、liver and tumor を見かけましたので、それを AIAA Server に追加してみましょう。

追加が終わると、

Model に Liver and tumor が出てくるようになりますので、再度 Nvidia を Startしてみると、肝臓と腫瘍がAnnoted されていることがわかります。

あとは停止すれば、この節での解説は終わりです。

新掲載の「技術コラム」は如何でしたでしょうか？　こんな切り口で深堀り解説してほしい」などご要望がございましたら是非私共ジーデップ・アドバンスまでご相談ください。　

内田盛久

ジーデップ・アドバンス　エンジニアリングフェロー 兼 ULGS株式会社代表
京都大学大学院工学研究科を経て20年以上HPCの仕事に携わり、国プロ絡みの大きな案件を多数経験。 HPCクラスターやGPUクラスターの構築、HPC系ジョブスケジューラーの運用に強いノウハウを持つ。 2021年からジーデップ・アドバンスにおけるUbuntuOSのサポートサービス「UGDEP」の提供を開始予定。