BiaPy

拖拽配置,快速搭建生物图像深度学习分析流程

BiaPy 是一个开源的 Python 库,旨在简化生物图像分析流程的构建。它基于深度学习,提供从数据预处理、模型训练到结果可视化的端到端解决方案。核心能力包括图像分类、语义分割、目标检测、图像去噪等,并针对生物医学图像(如显微镜图像、病理切片)进行了优化。用户可以通过配置文件快速启动标准训练流程,无需编写大量代码,同时支持自定义模型和数据处理。项目采用 Jupyter Notebook 为主要开发语言,便于交互式实验和文档展示。BiaPy 解决了生物医学研究者在使用深度学习时面临的高门槛问题,将复杂的模型训练和评估过程封装为易用的接口,加速科研和临床诊断中的图像分析任务。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 212
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类计算机视觉
开发团队BiaPyX
所属国家
定价模式free
价格说明开源库,MIT许可证,完全免费,无付费版本。
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biomedical-image-processing,classification,computer-vision,convolutional-neural-networks,deep-learning,denoising,image-processing,image-segmentation,instance-segmentation,machine-learning,medical-imaging,object-detection,python,pytorch,segmentation,self-supervised-learning,semantic-segmentation,super-resolution
GitHub 星标★ 212
30天Star增速
HF 下载量
上线时间2019-02-28 00:00:00
最近更新2026-09-23 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数5

使用教程

核心亮点

  • 提供统一配置驱动的训练流程,减少代码编写量
  • 内置多种生物图像任务(分类、分割、去噪),开箱即用
  • 基于 Jupyter Notebook,交互式实验和文档展示友好

不足之处

  • 项目处于早期阶段(209星),社区和生态不成熟
  • 文档和示例可能不够完善,上手需一定摸索

适用场景

  • 生物医学研究中的细胞图像分类与分割
  • 病理切片分析的自动化预处理与模型训练
  • 显微镜图像的去噪和增强

替代项目

CellProfiler、DeepImageJ、ImJoy

项目介绍

BiaPy 是计算机视觉领域的开源项目,由 BiaPyX 开发,2019 年首次发布。

它收录于计算机视觉分类,该分类目前共有 446 个项目,GitHub 星标数为 212。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-18。开源库,MIT许可证,完全免费,无付费版本。

它主要面向的使用场景是:生物医学研究中的细胞图像分类与分割。同类可对比的替代方案包括 CellProfiler、DeepImageJ、ImJoy。

上一篇:kimimaro

下一篇:machinevision-toolbox-python

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14