platypus

用 R 一份配置搞定 2D/3D 医学图像分割

platypus 是一个面向医学图像分割的 R 语言深度学习框架，目标是让 R 用户无需切换到 Python 就能完成从数据读取到模型训练的全流程。它统一处理 2D 与 3D 图像，原生支持 DICOM 和 NIfTI 两种医学影像格式，用户只需写一份配置规范（specification），即可描述数据路径、预处理、网络结构和训练参数。底层借助 reticulate 调用 Python 生态（如 TensorFlow/Keras），把繁琐的格式转换、维度对齐和批处理封装起来，降低医学影像分割的入门门槛。适合放射科研究者、生物统计人员和习惯 R 的临床数据分析者，用于器官分割、病灶勾画、肿瘤体积测量等任务，并可与 R 的统计建模和可视化流程无缝衔接。