ModelsGenesis

用未标注医学影像预训练，让下游任务模型更准更稳

Models Genesis 是医学图像分析领域最早的基础模型之一，由 MICCAI 2019 青年科学家奖和 MEDIA 2020 最佳论文奖背书。它通过自监督学习在大量未标注的医学影像上预训练深度网络，学习通用的视觉特征表示，从而解决医学影像标注数据稀缺、模型泛化能力差的问题。核心能力包括：支持多种下游任务（分类、分割、检测等），提供预训练权重和训练代码，并针对不同模态（CT、MRI、X光）和不同网络架构（2D/3D）提供灵活配置。项目以 Jupyter Notebook 形式提供完整示例，便于研究者复现和扩展。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 793
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队MrGiovanni
所属国家
官网地址https://www.cs.jhu.edu/~zongwei/publication/zhou2020models.pdf
GitHubhttps://github.com/MrGiovanni/ModelsGenesis
定价模式free
价格说明开源项目，本地部署，完全免费
访问状态
是否开源是
开源协议NOASSERTION
主要语言Jupyter Notebook
技术栈/模型3d-model,3d-segmentation,chest-ct,ct,feature-learning,fine-tuning,foundation-models,medical-image-analysis,medical-imaging,mr,pre-trained-model,representation-learning,self-supervised-learning,transfer-learning,unsupervised-learning
GitHub 星标★ 793
30天Star增速
HF 下载量
上线时间2019-07-24 00:00:00
最近更新2026-09-23 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

  • 自监督预训练，利用海量未标注数据，降低标注成本
  • 支持多任务（分类/分割/检测）和多模态（CT/MRI/X光），通用性强
  • 提供预训练权重和完整训练/微调代码，易于复现和迁移

不足之处

  • 项目较早，文档和社区活跃度待观察
  • 对新手而言，环境配置和代码结构有一定门槛

适用场景

  • 医学影像分类、分割、检测等下游任务的预训练初始化
  • 标注数据稀缺的医学影像场景，如罕见病或新模态
  • 研究者快速验证自监督预训练在医学影像上的效果

替代项目

MedicalZoo、MONAI、nnU-Net

项目介绍

ModelsGenesis 是开源模型领域的开源项目，由 MrGiovanni 开发，2019 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（793）位列前 30%。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。本地部署，完全免费。

它主要面向的使用场景是：医学影像分类、分割、检测等下游任务的预训练初始化。同类可对比的替代方案包括 MedicalZoo、MONAI、nnU-Net。

上一篇：hyena-dna

下一篇：RETFound

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10