摩尔线程开源MUSA加速版MONAI 1.5.0，国产全功能GPU赋能AI医学影像

近日，摩尔线程正式开源基于全功能GPU的MUSA加速版MONAI 1.5.0。该版本已发布于摩尔线程Gitee官方仓库，致力于为AI医学影像领域提供高性能的国产算力支持。

全球AI医学影像“事实标准”迎来国产化加速

在AI医学影像领域，算法正从基础的2D图像筛查，迈向复杂的3D器官分割与生成式内容创建。作为该领域公认的“事实标准”，基于PyTorch构建的开源框架MONAI (Medical Open Network for AI)，已成为连接前沿学术研究与临床落地应用的关键桥梁。截至2024年底，其全球下载量已突破350万次，在行业内被广泛应用。

摩尔线程开源MUSA加速版MONAI 1.5.0，国产全功能GPU赋能AI医学影像 — *上图数据来自摩尔线程实验室

MONAI开源框架采用清晰的三层架构设计：

MONAI Core提供专门针对医学影像的高效数据处理、变换方法与网络架构；
MONAI Label作为智能标注工具，通过AI辅助大幅提升数据标注效率；
MONAI Deploy支持将训练好的AI模型打包并部署至临床环境。

MONAI凭借从数据标注、模型训练到临床部署的完整闭环能力，已成为医学影像AI研究与应用的主流框架。摩尔线程此次开源的MUSA加速版MONAI 1.5.0，正是将这一全球医学影像的“事实标准”深度融入到国产全功能GPU生态中。

基于MUSA软件栈，摩尔线程实现了对MONAI官方仓库的原生支持，开发者可实现“零学习成本”的无缝迁移，这不仅为相关行业与开发者提供了更高效的自主国产算力支持，并将有力推动国产AI医疗应用生态的繁荣与发展。

从库到框架：MUSA重构医学AI计算效率

摩尔线程全功能GPU基于自研MUSA软件栈，构建了从底层加速库到上层框架的完整AI加速生态，为MONAI框架提供包括底层加速库群与中层框架适配在内的全方位性能优化。

底层加速库群：

▼ muDNN：深度神经网络计算加速库，针对GEMM、FlashAttention等核心算子实现>98%的极致效率；

▼ muBLAS：基础线性代数计算加速库，提供SGEMM、DGEMM等完整BLAS接口；

▼ muSolver：高性能线性代数求解库，支持LU分解、QR分解等复杂运算；

▼ muSPARSE：稀疏矩阵计算加速库，显著提升医学影像处理中的稀疏数据运算效率；

▼ muFFT：离散傅里叶变换加速库，为医学影像频域分析提供硬件加速；

▼ MCCL：集合通信库，支持多GPU分布式训练，为MONAI的大模型训练提供通信加速。

中层框架适配：

▼ Torch-MUSA：PyTorch的MUSA后端实现，支持PyTorch 2.5/2.7等版本的完整功能，包括在训练端完整支持amp/fsdp等，在推理端完整支持量化/torch.compile等。

上述加速库群与适配框架，均基于MUSA SDK的通用能力构建，可对MONAI框架下包括ResNet/DenseNet分类网络、Spleen CT与BraTS MRI等3D分割网络，以及MedNIST GAN、brainTumour 3d_ldm等生成网络实现原生支持与性能加速。

摩尔线程开源的MUSA加速版MONAI 1.5.0，代码严格遵循Apache 2.0协议，不但与官方代码仓库保持高度一致，还支持现有MONAI现有组件的低成本迁移和快速升级。在安装部署方面，提供了Docker、pip和源码三种灵活方式，操作便捷，硬件层面则兼容全系列摩尔线程全功能GPU。

生态赋能：智慧外科的应用实践

国内领先的XR+AI智慧外科解决方案提供商——锦瑟医疗，已将MONAI深度集成至其产品线，打造了独具特色的“AI+混合现实”手术导航解决方案。

AI智能手术规划系统：锦瑟医疗基于MONAI Core构建的骨科AI规划算法，实现了髋、膝关节假体的智能选型与定位，并利用其3D分割能力完成脊柱侧弯的自动测量与肺部软组织的智能重建。
XR精准手术导航系统：锦瑟医疗将MONAI的AI分割结果与混合现实技术结合，为医生提供更精准的手术视野。在骨科手术中，该方案使首次置钉成功率提升20%~30%，同时术中X光使用次数从传统20~30次降至1~2次，显著减少患者的辐射暴露。
术中实时辅助决策：通过集成MONAI Deploy的模型部署能力，该方案实现了术中实时的AI辅助决策。在膝关节置换手术中，力线偏差控制在3度以内，截骨偏差控制在2毫米以内，整体手术时间从传统的90~120分钟缩短至60~70分钟。