Brain-Tumor-Segmentation

用U-Net一键分割脑肿瘤,医学影像分析上手快

这是一个基于U-Net架构的脑肿瘤图像分割项目,使用PyTorch实现,旨在从医学影像中自动分割脑肿瘤区域。项目解决了脑肿瘤诊断中手动标注耗时且主观性强的问题,提供了一套端到端的深度学习分割方案。核心能力包括:数据预处理、U-Net模型构建、训练与推理流程,以及肿瘤区域的像素级分割输出。项目代码以Jupyter Notebook形式呈现,便于学习和复现,适合医学影像分析初学者和研究人员快速上手。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 297
维护状态 维护中
是否开源 是
定价模式 free

项目数据

分类计算机视觉
开发团队sdsubhajitdas
所属国家
定价模式free
价格说明开源项目,MIT许可证,提供在线Demo,完全免费使用。
访问状态
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型brain-tumor-segmentation,deep-learning,image-segmentation,pytorch,tumor-segmentation,unet,unet-image-segmentation,unet-pytorch
GitHub 星标★ 297
30天Star增速
HF 下载量
上线时间2019-02-01 00:00:00
最近更新2026-08-09 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数6

使用教程

核心亮点

  • 基于经典U-Net架构,结构清晰易理解
  • 使用PyTorch实现,代码简洁且易于修改
  • 提供完整训练流程,适合快速复现实验

不足之处

  • 文档/社区待观察
  • 未提供预训练模型,需自行训练

适用场景

  • 医学影像研究中的脑肿瘤分割实验
  • 深度学习图像分割教学示例
  • U-Net架构在医疗领域的应用验证

替代项目

nnU-Net、MONAI、DeepLab

项目介绍

Brain-Tumor-Segmentation 是计算机视觉领域的开源项目,由 sdsubhajitdas 开发,2019 年首次发布。

它收录于计算机视觉分类,该分类目前共有 447 个项目,GitHub 星标数为 297。

项目仍在小幅维护中,最近一次代码更新于 2026-08-09。MIT许可证,提供在线Demo,完全免费使用。从国内网络环境看,可直接访问。

它主要面向的使用场景是:医学影像研究中的脑肿瘤分割实验。同类可对比的替代方案包括 nnU-Net、MONAI、DeepLab。

上一篇:eomt

下一篇:detectree

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
Olympus 开源

一个路由搞定所有视觉任务,免去逐个微调

[CVPR 2025 Highlight] Official code for "Olympus: A Universal Task Router for Comput···

★ 427 2026-08-09