#medical-imaging Repositorios
Descubre 81 repositorios activos de código abierto de GitHub etiquetados con #medical-imaging, que acumulan 117,963 estrellas en total (una media de 1,456 estrellas por proyecto). El líder de este tema es kmario23/deep-learning-drizzle, con 12,995 estrellas.
81 repositorios en total
Sumérgete en Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision y NLP aprendiendo de estas emocionantes conferencias!!
Visor DICOM zero-footprint de OHIF y Rastreador de Lesiones específico para oncología, más paquetes de extensiones compartidos
Lista de conjuntos de datos de imágenes médicas "Un índice para conjuntos de datos de imágenes médicas"
Herramienta para la segmentación robusta de >100 estructuras anatómicas importantes en imágenes de TC y RM
Una lista curada de LLMs médicos, sistemas multimodales, conjuntos de datos, benchmarks y más. 🏥
Repositorio de preguntas y respuestas de entrevistas AIGC-interview/CV-interview/LLMs-interview, que también incluye nuevas ideas, nuevas preguntas, nuevos recursos y nuevos proyectos del proceso de trabajo e investigación
Software gratuito de código abierto multiplataforma para visualización y computación de imágenes.
Red Neuronal Convolucional (CNN) Pytorch 3D U-Net diseñada para la segmentación de imágenes médicas
Colección de fantásticos recursos de conjuntos de datos médicos.
Asistente Lingüístico-Visual a Gran Escala para Biomedicina, desarrollado hacia capacidades multimodales de nivel GPT-4.
Modelos de difusión en imágenes médicas (Publicado en la revista Medical Image Analysis)
Un marco de aprendizaje profundo basado en Pytorch para la segmentación de imágenes médicas multimodales 2D/3D
Entrene modelos de IA de manera eficiente en imágenes médicas utilizando cualquier framework
Insight Toolkit (ITK) -- Repositorio Oficial. ITK se basa en una arquitectura probada y orientada espacialmente para el procesamiento, segmentación y registro de imágenes científicas en dos, tres o más dimensiones.
【ICML 2025 Spotlight】 Repositorio oficial del artículo “HealthGPT: Un modelo de lenguaje visual médico a gran escala para unificar la comprensión y la generación a través de la adaptación de conocimiento heterogéneo”
Paquete de Python de código abierto para la extracción de características de Radiomics de imágenes 2D y 3D y máscaras binarias. Soporte: https://discourse.slicer.org/c/community/radiomics
Weasis es un visor DICOM basado en web para imágenes médicas avanzadas e integración fluida de PACS.
[pip install medmnist] 18 conjuntos de datos estandarizados para clasificación de imágenes biomédicas 2D y 3D
Uso de modelos de difusión para segmentar/reconstruir órganos a partir de imágenes médicas [Artículo más influyente de la AAAI]
La Medical Detection Toolkit contiene implementaciones 2D + 3D de detectores de objetos prevalentes como Mask R-CNN, Retina Net, Retina U-Net, así como un marco de entrenamiento e inferencia enfocado en el manejo de imágenes médicas.
Una colección de recursos sobre aplicaciones de Transformers en imágenes médicas.
Notas de lectura de artículos sobre aprendizaje profundo y aprendizaje automático
Este repositorio es la primera encuesta exhaustiva sobre el Modelo de Segmentación de Nada (SAM) de Meta AI.
Fellow Oak DICOM para .NET, .NET Core, Universal Windows, Android, iOS, Mono y Unity
TorchXRayVision: Una biblioteca de conjuntos de datos y modelos de rayos X de tórax. Clasificadores, segmentación y autoencoders.
Cornerstone es un conjunto de bibliotecas de JavaScript que se pueden utilizar para crear aplicaciones de imágenes médicas basadas en la web. Proporciona un marco para crear aplicaciones de radiología como OHIF Viewer.
Red Neuronal Convolucional 3D de Múltiples Escalas Eficiente para la Segmentación de Escaneos Médicos 3D
Un Modelo Generalista Transparente hacia la Comprensión Holística Visión-Lenguaje Médica
Una colección de recursos sobre aplicaciones de aprendizaje multimodal en imágenes médicas.
Un conjunto de código de soporte común para imágenes médicas, navegación quirúrgica y propósitos relacionados.
SAM-Med3D: Un modelo de segmentación eficiente y prompteable de propósito general para imágenes médicas volumétricas 3D
seguimiento de conjuntos de datos médicos, con enfoque en imágenes médicas
U-Mamba: Mejora de la dependencia a larga distancia para la segmentación de imágenes biomédicas
Medical SAM 2: Segmentación de imágenes médicas 3D a través del modelo Segment Anything 2
Cuadernos de Jupyter para aprender a usar SimpleITK
MONAI Label es una herramienta inteligente de código abierto para etiquetar y aprender imágenes.
⚕️Chatbot médico multi-agente impulsado por GenAI para diagnóstico médico y asistencia en investigación sanitaria. 🏥 Diseñado para profesionales de la salud, investigadores y pacientes.
Una biblioteca rápida de análisis de imágenes médicas en Python con algoritmos para registro, segmentación y más.
Preguntas frecuentes
¿Cuál es el repositorio de #medical-imaging más popular en GitHub?
El proyecto de código abierto de #medical-imaging mejor posicionado en GitHub es kmario23/deep-learning-drizzle, con 12,995 estrellas. Sumérgete en Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision y NLP aprendiendo de estas emocionantes conferencias!!
¿Qué lenguajes de programación se utilizan más en los repositorios de #medical-imaging?
Entre los proyectos de #medical-imaging mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #medical-imaging?
Seguimos 81 repositorios activos de código abierto etiquetados con #medical-imaging (500+ estrellas), que suman un total de 117,963 estrellas, con una media de 1,456 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.