wdm-3d

用小波+扩散模型,高效合成高分辨率3D医学图像

WDM-3D 是一个基于 PyTorch 的 3D 小波扩散模型,用于高分辨率医学图像合成,论文发表于 MICCAI 2024。它针对医学图像(如 CT、MRI)三维体数据生成任务,将小波变换与扩散模型结合,在频域分解图像,从而在保持生成质量的同时降低计算复杂度,支持高分辨率体数据生成。核心能力包括:3D 扩散模型训练与采样、小波域特征学习、多尺度图像合成。该开源项目为医学影像合成领域提供了新的高效方案,适合研究者复现实验或在此基础上扩展。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 141
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队pfriedri
所属国家
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型3d,diffusion-models,image-generation,wavelet-transform
GitHub 星标★ 141
30天Star增速
HF 下载量
上线时间2024-02-28 00:00:00
最近更新2026-09-21 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

  • 创新性地将小波变换引入3D扩散模型,显著降低高分辨率体数据生成的计算开销
  • 针对医学影像专门设计,支持CT/MRI等三维数据,论文发表于MICCAI 2024,学术可信
  • 代码结构清晰,基于PyTorch,易于研究者复现和二次开发

不足之处

  • 项目处于早期阶段,文档和示例可能不够完善,社区支持有限
  • 依赖特定医学数据集,通用性待验证,可能需自行适配数据格式

适用场景

  • 医学影像研究中的高分辨率CT/MRI体数据生成
  • 数据增强:为稀缺的医学图像生成合成样本以扩充训练集
  • 跨模态合成:如从低分辨率或不同模态生成高分辨率医学图像

替代项目

MedSyn、MONAI Generative Models、LDM3D

项目介绍

wdm-3d 是行业应用领域的开源项目,由 pfriedri 开发,2024 年首次发布。

它收录于行业应用分类,该分类目前共有 545 个项目,GitHub 星标数为 141。

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 2026-09-21。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:医学影像研究中的高分辨率CT/MRI体数据生成。同类可对比的替代方案包括 MedSyn、MONAI Generative Models、LDM3D。

上一篇:BrLP

下一篇:DNA-Diffusion

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