STU-Net

14亿参数医学分割大模型，开箱即用提升精度

STU-Net 是基于最大公开医学图像分割数据集（超过10万标注）训练的超大规模预训练模型，参数量达14亿，是截至2023年4月最大的医学图像分割模型。它旨在解决医学图像分割任务中模型规模受限、泛化能力不足的问题，通过大规模参数和丰富数据预训练，提升分割精度和鲁棒性。核心能力包括：支持多种医学影像模态（CT、MRI等）的通用分割，提供分层微调策略以适应不同任务，并开源了完整训练代码和预训练权重，便于研究者和开发者直接使用或二次开发。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 373

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队uni-medical

所属国家

官网地址

GitHubhttps://github.com/uni-medical/STU-Net

定价模式free

价格说明开源模型，Apache-2.0 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Apache-2.0

主要语言Python

技术栈/模型foundation-models,medical-image-segmentation,pretrained-models

GitHub 星标★ 373

30天Star增速

HF 下载量

上线时间2023-04-12 00:00:00

最近更新2026-09-24 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3

使用教程

核心亮点

参数量达1.4B，是当前最大的医学分割模型，表征能力强
基于超10万标注的大规模数据集预训练，泛化性好
提供分层微调策略，可灵活适配不同分割任务

不足之处

模型体积大，推理和训练资源要求高，不适合轻量部署
文档/社区待观察，早期项目生态尚不完善

适用场景

医学影像中多器官、多病种的分割任务
需要高精度分割的临床研究或辅助诊断系统
作为基础模型，微调用于特定医学分割子任务

替代项目

nnU-Net、MONAI、MedSAM

项目介绍

STU-Net 是计算机视觉领域的开源项目，由 uni-medical 开发，2023 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 373。

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 2026-09-24。Apache-2.0 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：医学影像中多器官、多病种的分割任务。同类可对比的替代方案包括 nnU-Net、MONAI、MedSAM。

上一篇：PonderV2

下一篇：GiT