#medical-imaging Repositories
Entdecke 81 aktive Open-Source-GitHub-Repositories, die mit #medical-imaging getaggt sind und insgesamt 117,963 Sterne gesammelt haben (durchschnittlich 1,456 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist kmario23/deep-learning-drizzle mit 12,995 Sternen.
Insgesamt 81 Repositories
Tauchen Sie ein in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision und NLP, indem Sie aus diesen spannenden Vorlesungen lernen!!
OHIF Zero-Footprint DICOM-Viewer und onkologisch spezifischer Lesion Tracker, plus geteilte Erweiterungspakete
Tool zur robusten Segmentierung von >100 wichtigen anatomischen Strukturen in CT- und MR-Bildern
Eine kuratierte Liste medizinischer LLMs, multimodaler Systeme, Datensätze, Benchmarks und mehr. 🏥
AIGC-interview/CV-interview/LLMs-interview Interviewfragen und -antworten Sammlung, gleichzeitig neue Ideen, neue Fragen, neue Ressourcen und neue Projekte aus Arbeits- und Forschungsprozessen enthaltend
Multiplattform-Software, kostenlose Open-Source-Software für Visualisierung und Bildverarbeitung.
Pytorch 3D U-Net Convolutional Neural Network (CNN) für die medizinische Bildsegmentierung
Large Language-and-Vision Assistant für Biomedizin, entwickelt für multimodale Fähigkeiten auf GPT-4-Niveau.
Diffusionsmodelle in der medizinischen Bildgebung (veröffentlicht im Medical Image Analysis Journal)
[Veraltet] Verwenden Sie stattdessen Cornerstone3D https://cornerstonejs.org/
Ein PyTorch-basiertes Deep-Learning-Framework für die multimodale 2D/3D-segmentierung medizinischer Bilder
Trainieren Sie KI-Modelle effizient auf medizinischen Bildern mit jedem Framework
DICOM Web Viewer: Open-Source-Bibliothek für medizinische Bilder mit Null-Fußabdruck.
Insight Toolkit (ITK) -- Offizielles Repository. ITK basiert auf einer bewährten, räumlich orientierten Architektur zur Verarbeitung, Segmentierung und Registrierung wissenschaftlicher Bilder in zwei, drei oder mehr Dimensionen.
【ICML 2025 Spotlight】 Offizielles Repo für das Paper „HealthGPT: Ein großes medizinisches Vision-Sprachmodell zur Vereinheitlichung von Verständnis und Generierung durch heterogene Wissensanpassung“
Open-Source-Python-Paket zur Extraktion von Radiomics-Features aus 2D- und 3D-Bildern und Binärmasken. Support: https://discourse.slicer.org/c/community/radiomics
Weasis ist ein webbasierter DICOM-Viewer für fortgeschrittene medizinische Bildgebung und nahtlose PACS-Integration.
[pip install medmnist] 18 standardisierte Datensätze für die 2D- und 3D-Klassifizierung biomedizinischer Bilder
Verwendung von Diffusionsmodellen zur Segmentierung/Rekonstruktion von Organen aus medizinischen Bildern [AAAI Einflussreichster Artikel]
Das Medical Detection Toolkit enthält 2D + 3D-Implementierungen gängiger Objekterkenner wie Mask R-CNN, Retina Net, Retina U-Net sowie ein Trainings- und Inferenz-Framework, das sich auf den Umgang mit medizinischen Bildern konzentriert.
Ein leichter Adapter überbrückt SAM mit medizinischen Bildgebungsdaten [MedIA]
Eine Sammlung von Ressourcen zu Anwendungen von Transformatoren in der medizinischen Bildgebung.
MedRAX: Medical Reasoning Agent für Röntgenaufnahmen des Brustkorbs – ICML 2025
Dieses Repository ist die erste umfassende Übersicht über Metas AI Segment Anything Model (SAM).
Fellow Oak DICOM für .NET, .NET Core, Universal Windows, Android, iOS, Mono und Unity
TorchXRayVision: Eine Bibliothek von Röntgen-Thorax-Datensätzen und Modellen. Klassifikatoren, Segmentierung und Autoencoder.
Cornerstone ist eine Sammlung von JavaScript-Bibliotheken, die zum Erstellen webbasierter medizinischer Bildanwendungen verwendet werden können. Es bietet ein Framework zum Erstellen von Radiologieanwendungen wie dem OHIF Viewer.
Effizientes Multi-Skala-3D-Faltungsneuronales Netzwerk für die Segmentierung von 3D-Medizinscans
Ein transparentes Generalistenmodell für ein ganzheitliches medizinisches Bild-Sprach-Verständnis
Eine Sammlung von Ressourcen zu Anwendungen des multimodalen Lernens in der medizinischen Bildgebung.
Ein Satz gängiger Support-Code für medizinische Bildgebung, chirurgische Navigation und verwandte Zwecke.
SAM-Med3D: Ein effizientes universelles promptbares Segmentierungsmodell für 3D-Volumen-medizinische Bilder
Verfolgung medizinischer Datensätze, mit Fokus auf medizinische Bildgebung
U-Mamba: Verbesserung der Langstreckenabhängigkeit für die biomedizinische Bildsegmentierung
Medical SAM 2: Segmentierung von 3D-medizinischen Bildern über das Segment Anything Model 2
Jupyter-Notebooks zum Lernen, wie man SimpleITK verwendet
MONAI Label ist ein intelligentes Open-Source-Tool zum Beschriften und Erlernen von Bildern.
⚕️GenAI-gestützter Multi-Agenten-Chatbot für medizinische Diagnostik und die Unterstützung von Gesundheitsforschern. 🏥 Entwickelt für medizinisches Fachpersonal, Forscher und Patienten.
Eine schnelle Bibliothek für die Analyse medizinischer Bilder in Python mit Algorithmen für Registrierung, Segmentierung und mehr.
Häufig gestellte Fragen
Welches ist das beliebteste #medical-imaging-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#medical-imaging-Projekt auf GitHub ist kmario23/deep-learning-drizzle mit 12,995 Sternen. Tauchen Sie ein in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision und NLP, indem Sie aus diesen spannenden Vorlesungen lernen!!
Welche Programmiersprachen werden in #medical-imaging-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #medical-imaging-Projekten auf GitHub sind Python, Jupyter Notebook, C++, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #medical-imaging-Repositories berechnet?
Wir verfolgen 81 aktive Open-Source-Repositories, die mit #medical-imaging getaggt sind (500+ Sterne), mit insgesamt 117,963 Sternen und durchschnittlich 1,456 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.