foundation-cancer-image-biomarker

用预训练基础模型，快速搞定癌症影像分析任务

这是一个与2024年发表于《Nature Machine Intelligence》的论文配套的代码与评估仓库，聚焦于癌症影像生物标志物的基础模型。该项目旨在解决医学影像分析中标注数据稀缺、模型泛化能力不足的问题，通过提供预训练基础模型和标准化的评估流程，帮助研究人员在多种癌症影像任务（如分类、分割、预后预测）上快速构建和验证模型。其核心能力包括：提供基于大规模影像数据预训练的模型权重，支持多种主流深度学习框架，并附带完整的评估脚本和基线结果，便于复现论文实验。项目以Jupyter Notebook为主要形式，降低了使用门槛，适合医学影像AI领域的研究者进行二次开发和基准测试。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 136
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队AIM-Harvard
所属国家
官网地址https://aim-harvard.github.io/foundation-cancer-image-biomarker
GitHubhttps://github.com/AIM-Harvard/foundation-cancer-image-biomarker
定价模式free
价格说明开源项目，MIT许可证，代码和评估仓库，可自行部署使用，完全免费。
访问状态
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型cancer-imaging-research,foundation-models,medical-imaging,representation-learning,simclr
GitHub 星标★ 136
30天Star增速
HF 下载量
上线时间2023-06-03 00:00:00
最近更新2026-08-26 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 基于Nature子刊论文，方法经过同行评审，可信度高
  • 提供预训练权重和评估代码，可直接复现论文结果
  • 覆盖多种癌症影像任务，适用面广

不足之处

  • 项目处于早期，文档和社区支持待观察
  • 依赖特定数据集和计算资源，复现门槛较高

适用场景

  • 医学影像AI研究中的基准测试
  • 癌症影像分类或预后预测的模型开发
  • 迁移学习在医疗影像上的应用探索

替代项目

MONAI、nnU-Net、MedicalZoo

项目介绍

foundation-cancer-image-biomarker 是行业应用领域的开源项目，由 AIM-Harvard 开发，2023 年首次发布。

它收录于行业应用分类，该分类目前共有 544 个项目，GitHub 星标数为 136。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-26。MIT许可证，代码和评估仓库，可自行部署使用，完全免费。

它主要面向的使用场景是：医学影像AI研究中的基准测试。同类可对比的替代方案包括 MONAI、nnU-Net、MedicalZoo。

上一篇：ssl-wearables

下一篇：routefinder

同类项目推荐

xmgai-like 开源

换脸、艺术二维码随手玩，副业灵感一包带走。

本开源 AI 副业搞钱项目集成了强大功能，包括 AI 艺术二维码生成、AI 换脸、Delle3 绘画等···

★ 60 2026-08-09
spoken-to-signed-translation 开源

把口语文本一路转成手语视频的流水线

a text-to-gloss-to-pose-to-video pipeline for spoken to signed language translation

★ 102 2026-09-11
LiveTranslate 开源

直播看片实时翻译，字幕秒出，跨语言无压力

Real-time audio translation, captures system audio + mic, runs ASR (Whisper/SenseVoi···

★ 691 2026-08-13