RETFound

拿医学影像直接预训练，少标注也能做AI诊断

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 163 🐛 待处理 5 👀 关注 22

GitHub ↗

GitHub 星标 ★ 694

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源模型，可自行部署，完全免费。

项目预览

项目数据

分类开源模型

开发团队rmaphoh

GitHubhttps://github.com/rmaphoh/RETFound

定价模式🏷️完全免费

价格说明开源模型，可自行部署，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型ai,disease-detection,eye,foundation-models,medical-imaging

GitHub 星标★ 694

上线时间2023-01-30 00:00:00

代码更新2025-11-30

仓库体积444 KB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数5

项目介绍

RETFound 是一个面向医学影像的视觉基础模型项目，由伦敦大学学院等机构开发，提供预训练模型权重和微调代码。它基于自监督学习（如 MAE、DINOv2 等）在大量未标注的医学图像（如眼底彩照、OCT）上预训练，旨在解决医学影像标注稀缺、通用模型迁移效果差的问题。核心能力包括：支持多种骨干网络（ViT 等）和预训练范式，提供针对眼科、皮肤科等任务的微调脚本，以及通过冻结主干、线性探测或全量微调等方式适配下游任务。项目代码基于 PyTorch，易于集成到现有医学影像分析流程中。

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

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 694

技术标签

ai foundation-models medical-imaging

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 70 分钟部署方式：本地安装 5 步

环境要求

CUDA GPU
Python 3.11
眼底影像数据集
预训练权重

安装与启动步骤

1建环境

官方钉了 python 3.11，CUDA 版本要一起对上。
```
conda create -n retfound python=3.11.0 -y
```

2装 PyTorch

按 cu121 索引装，别用默认 CPU 版本。

pip install torch==2.5.1 torchvision==0.20.1 --index-url https://download.pytorch.org/whl/cu121

3克隆并装依赖

仓库带多个下游任务脚本，依赖装全再跑。
```
git clone https://github.com/rmaphoh/RETFound/
```
4注册 Jupyter 内核

示例以 Notebook 为主，注册独立内核避免版本串。
```
python -m ipykernel install --user --name retfound --display-name "Python (retfound)"
```
5跑下游微调

先用小数据集验证流程，再上完整眼底数据集。