MONAI

医学影像深度学习全流程工具箱,少写代码直接训 3D 模型

MONAI 是面向医疗影像的 PyTorch 开源 AI 工具包,由 NVIDIA 等机构推动,目标是把医学图像从数据读取、预处理、增强、训练到推理部署的整条链路标准化。它解决了医疗影像领域长期存在的痛点:数据格式杂乱(DICOM/NIfTI)、标注稀缺、3D 体积数据显存吃紧、各研究组重复造轮子。核心能力包括:领域专用变换与数据加载管线、支持 3D 与多模态的参考网络(分割、分类、检测、生成)、针对医学数据的损失函数与评估指标、滑动窗口推理、自动分割、联邦学习与模型部署工具,并提供丰富的教程和预训练模型。它既能作为研究原型框架,也能接入临床级生产流程,是医学影像深度学习的事实标准之一。

开源 free 行业应用
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 8752
维护状态 活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类行业应用
开发团队Project-MONAI
所属国家
定价模式free
价格说明开源免费,Apache 2.0 许可证
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型deep-learning,healthcare-imaging,medical-image-computing,medical-image-processing,monai,python3,pytorch
GitHub 星标★ 8752
30天Star增速
HF 下载量
上线时间2019-10-11 00:00:00
代码更新—
仓库体积—
本站数据更新—
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2026-10-06
浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度:入门 约 10 分钟 部署方式:库/依赖 6 步

环境要求

  • 受支持的 Python 版本(参见 Python 官方支持版本列表)
  • NumPy(MONAI 的直接依赖)
  • PyTorch(MONAI 的直接依赖)
  • 若干可选依赖,按需另行安装
  • 使用 Docker 方式需具备可用的 GPU 及 --gpus 运行支持

安装与启动步骤

  1. 1安装 MONAI

    最简方式是用 pip 安装当前发布版,适合绝大多数用户,无需下载源码。

    pip install monai
  2. 2查阅安装指南

    README 指出其他安装方式(如从源码、conda 等)请参考官方安装指南页面,按需选择。

  3. 3准备 PyTorch 环境

    MONAI 直接依赖 PyTorch 与 NumPy,请先用 pip 装好这两个依赖再使用 MONAI。

    pip install numpy torch
  4. 4Docker 方式启动

    也可用官方镜像进入容器:latest 标签对应 dev 最新状态,也可换成发布版号标签。

    docker run -ti --rm --gpus all projectmonai/monai:latest /bin/bash
  5. 5运行快速上手教程

    README 提供两个 Colab 教程:MedNIST 演示与 MONAI for PyTorch Users,可直接在线运行。

  6. 6获取示例与教程

    更多示例和 notebook 教程集中在 Project-MONAI/tutorials 仓库中,按需浏览下载。

如何确认成功

在 Python 中执行 python -c "import monai" 不报错即安装成功;Docker 方式能看到容器内 bash 提示符。

常见问题

Q:pip install monai 不成功或想换安装方式怎么办?

A:参考官方安装指南 monai.readthedocs.io/en/latest/installation.html,其中列出了 pip 之外的其他安装选项。

Q:Docker 镜像的 latest 是什么版本?

A:latest 对应 dev 分支最新状态;如需稳定版可改用发布版本号标签,也可用 Dockerfile.slim 自建精简镜像。

Q:在哪里找可运行的示例代码?

A:示例与 notebook 教程位于 Project-MONAI/tutorials 仓库,README 另提供 MedNIST 与 PyTorch 用户入门两个 Colab 教程。

Q:没有 GPU 能装吗?

A:可以。pip 安装只依赖 Python、NumPy 和 PyTorch;--gpus all 只在需要 GPU 的 Docker 运行时使用。

注意事项

  • pip 安装的是当前发布版,dev 分支的最新变化请以官方文档为准。
  • MONAI 依赖受支持的 Python 版本,并直接依赖 NumPy 与 PyTorch,请先确保二者可用。
  • Docker 的 latest 标签跟踪 dev 最新状态,生产使用建议固定为发布版本号标签。
  • README 未给出端口、密钥等配置项,本项目作为 Python 库使用无需额外配置文件。

核心亮点

  • 提供医学影像专用 3D 数据变换、滑动窗口推理和 DICOM/NIfTI 加载,省去大量自研预处理代码
  • 内置分割/分类/检测/生成参考网络与 Dice 等医学指标,开箱可训
  • 生态完整,含 Auto3D、联邦学习、模型 zoo 与部署工具,研究到落地链路打通

不足之处

  • API 版本迭代较快,旧教程和示例代码容易与新版本不兼容
  • 部分高级功能依赖 NVIDIA GPU 与 CUDA 环境,纯 CPU 或非 N 卡用户使用受限

适用场景

  • 医院或科研团队训练 CT/MRI 器官与病灶分割模型
  • 医学影像 AI 竞赛中快速搭建 3D 数据增强与训练基线
  • 多中心医疗数据用联邦学习做隐私保护联合建模

替代项目

nnU-Net、TorchIO、MedicalZooPytorch

项目介绍

MONAI 是行业应用领域的开源项目,由 Project-MONAI 开发,2019 年首次发布。

在全站 13,752 个收录项目中,它的 GitHub 星标数(8,752)位列前 6%,在行业应用分类的 598 个项目里位列前 4%。

项目目前处于活跃维护状态,最近一次代码更新于 2026-10-05。开源免费,Apache 2.0 许可证。

它主要面向的使用场景是:医院或科研团队训练CT/MRI器官与病灶分割模型。同类可对比的替代方案包括 nnU-Net、TorchIO、MedicalZooPytorch。

上一篇:translate

下一篇:healthcare-equity

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···

★ 58 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···

★ 725 2026-08-13