Medical_Image_Analysis

用基础模型快速搞定医学图像分析,少标注也能高精度

Medical_Image_Analysis 是一个专注于医学图像分析的开源项目,旨在利用基础模型(Foundation Models)解决医学影像领域的核心问题。项目整合了多种前沿技术,包括大规模语言模型(LLM)、Mamba架构、掩码自编码器(MAE)等,并引入了上下文样本检索(context-sample-retrieval)机制,以提升模型对医学图像的理解和泛化能力。它主要面向医学影像的分类、分割、检测等任务,通过预训练和微调范式,帮助研究人员和开发者快速构建高精度的医学AI模型。项目代码以Python为主,提供了完整的模型训练和推理流程,降低了医学图像分析的门槛,尤其适合缺乏大规模标注数据的场景。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 241
维护状态 较活跃
是否开源
定价模式 free

项目数据

分类开源模型
开发团队Event-AHU
所属国家
官网地址
定价模式free
价格说明开源项目,BSD-3-Clause许可证,可自由使用和部署,无收费计划。
访问状态
是否开源
开源协议BSD-3-Clause
主要语言Python
技术栈/模型context-sample-retrieval,foundation-model,large-language-model,llm,mae,mamba,masked-auto-encoder,medical-image-analysis,medical-report-generation,pre-training,state-space-model,vision-language-model,x-ray-image
GitHub 星标★ 241
30天Star增速
HF 下载量
上线时间2023-12-25 00:00:00
最近更新2026-09-20 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 整合Mamba和MAE等先进架构,在医学图像上表现优于传统CNN
  • 上下文样本检索机制,小样本下也能保持较高准确率
  • 代码结构清晰,提供预训练模型,便于快速上手和迁移

不足之处

  • 文档/社区待观察
  • 项目处于早期,星标数少,生态和案例积累不足

适用场景

  • 医学影像分类与分割,如X光、CT、MRI
  • 标注数据稀缺的医疗场景,借助检索增强提升性能
  • 科研人员快速验证基础模型在医学图像上的效果

替代项目

MONAI、nnU-Net、MedicalZoo

项目介绍

Medical_Image_Analysis 是行业应用领域的开源项目,由 Event-AHU 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 241。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-20。BSD-3-Clause许可证,可自由使用和部署,无收费计划。

它主要面向的使用场景是:医学影像分类与分割,如X光、CT、MRI。同类可对比的替代方案包括 MONAI、nnU-Net、MedicalZoo。

上一篇:generative-ai-use-cases

下一篇:Finance-LLMs

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