medical-imaging
本站收录 22 个带「medical-imaging」标签的 AI 开源项目
deep-learning-drizzle这是一个深度学习相关学习资源的精选合集，汇集了全球顶尖大学和机构的免费视频讲座，覆盖深度学习、强化学习、机器学习、计算机视觉和自然语言处理等核心领域。项目以分类★ 12,956
torchxrayvisionTorchXRayVision 是一个面向胸部 X 光影像的开源工具库，集成了多个公开数据集和预训练模型，覆盖分类、分割和自编码器三大任务。它解决了医学影像研究★ 1,201
awesome-multimodal-in-medical-imaging这是一个关于医学影像中多模态学习应用资源的精选列表，收录了论文、数据集、代码和工具，覆盖多模态融合、跨模态生成、医学视觉语言模型等方向。它解决了医学影像领域多模★ 982
Multi-Agent-Medical-AssistantMulti-Agent-Medical-Assistant 是一个基于生成式 AI 的多智能体医疗诊断与健康研究辅助聊天机器人，面向医疗专业人员、研究人员和患者★ 981
ModelsGenesisModels 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★ 794
RETFoundRETFound 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）★ 677
AlbumentationsXAlbumentationsX 是经典图像增强库 Albumentations 的延续版本，面向计算机视觉训练场景，提供高性能、多样化的数据增强能力。它解决的核★ 563
SuPreMSuPreM 是一个面向医学影像分析的3D预训练模型库，基于ICLR 2024 oral论文提出。它利用9,262个CT体数据和25个标注类别进行监督预训练，解★ 433
Awesome-Foundation-Models-in-Medical-Imaging这是一个精选清单，汇集了医学影像领域中的基础模型，涵盖视觉和语言任务。项目旨在解决医学影像分析中模型分散、难以追踪的问题，为研究人员和开发者提供结构化的资源导航★ 305
finetune-SAMfinetune-SAM 是官方提供的用于在定制医学图像上微调 SAM（Segment Anything Model）的代码仓库。它解决了通用分割模型在医学影像★ 279
Awesome_MambaAwesome_Mamba 是一个关于状态空间模型（State Space Models, SSMs）在医学图像分析中应用的综合性综述项目，聚焦于计算高效时代的★ 270
BiaPyBiaPy 是一个开源的 Python 库，旨在简化生物图像分析流程的构建。它基于深度学习，提供从数据预处理、模型训练到结果可视化的端到端解决方案。核心能力包括★ 212
FLAIRFLAIR是一个针对视网膜眼底图像理解的基础语言-图像模型，发表于医学图像分析期刊MedIA'25。它旨在解决医学影像领域标注数据稀缺、模型泛化能力差的问题，通★ 187
Lifelong-nnUNetLifelong-nnUNet 是一个基于 nnU-Net 的医学图像分割框架，专门解决传统分割模型在持续学习场景中的灾难性遗忘问题。它允许模型在多个医学影像数★ 163
BrLPBrLP（Brain Latent Progression）是一个面向医学影像的时空疾病进展建模工具，发表于MICCAI 2024并获MedIA最佳论文奖。它解★ 141
monai-deploy-app-sdkMONAI Deploy App SDK 是 MONAI 项目的一部分，专注于医疗影像 AI 应用的全生命周期管理。它提供了一套框架和工具，帮助开发者设计、开发★ 138
foundation-cancer-image-biomarker这是一个与2024年发表于《Nature Machine Intelligence》的论文配套的代码与评估仓库，聚焦于癌症影像生物标志物的基础模型。该项目旨在解★ 136
monai-deployMONAI Deploy 是 MONAI 项目下的一个开源基础设施，旨在成为医疗 AI 应用在临床生产中开发、打包、测试、部署和运行的事实标准。它解决的是医疗影★ 119
MAMA-MIAMAMA-MIA是一个面向乳腺癌诊断研究的多中心动态对比增强磁共振成像（DCE-MRI）公开数据集，包含来自多个医疗中心的影像数据及专家标注的病灶分割结果。该项★ 117
UniMedVLUniMedVL 是一个面向医疗领域的统一视觉语言模型，旨在同时处理医学图像的理解与生成任务。它通过“观察-知识-分析”框架，将多模态理解（如图像分类、报告生成★ 109
FetalCLIPFetalCLIP 是一个面向胎儿超声图像分析的视觉-语言基础模型。它利用对比学习将超声图像与对应的临床文本报告对齐，构建跨模态表征，旨在解决胎儿超声图像标注成★ 77
RET-CLIPRET-CLIP 是一个视网膜图像基础模型，利用临床诊断报告进行预训练。它解决了视网膜图像分析中标签稀缺和模型泛化能力不足的问题，通过将图像与对应的临床文本报告★ 72