#medical Dépôts
Découvrez 33 dépôts GitHub open source actifs associés à #medical, cumulant 63,556 étoiles au total (soit une moyenne de 1,925 étoiles par projet). Le projet en tête de ce thème est shibing624/MedicalGPT, avec 5,901 étoiles.
33 dépôts au total
MedicalGPT: Entraînez votre propre modèle GPT médical avec le pipeline d'entraînement de ChatGPT. Entraînement d'un grand modèle médical, comprenant le pré-entraînement incrémental (PT), le réglage fin supervisé (SFT), RLHF, DPO, ORPO, GRPO.
La solution open source la plus populaire pour les dossiers de santé électroniques et la gestion des pratiques médicales.
Dépôt pour BenCao [nom original : HuaTuo (华驼)], Ajustement d'instructions de grands modèles de langage avec des connaissances médicales chinoises. Dépôt du modèle BenCao (nom original : HuaTuo), ajustement d'instructions de grands modèles de langage basé sur des connaissances médicales chinoises
Visionneuse DICOM zero-footprint OHIF et Lesion Tracker spécifique à l'oncologie, plus des packages d'extensions partagés
Liste de papiers et ensembles de données pour la détection d'anomalies/défauts d'images industrielles (en cours de mise à jour). Bibliothèque de recherche d'articles et de jeux de données sur la détection d'anomalies/défauts industriels (mise à jour continue).
La plus grande bibliothèque de compétences en IA médicale open-source pour OpenClaw🦞.
Une liste sélectionnée de LLM médicaux, systèmes multimodaux, ensembles de données, benchmarks, et plus. 🏥
Medplum est une plateforme de santé qui vous aide à développer rapidement des applications conformes et de haute qualité.
Collection de ressources ouvertes pour le NLP médical chinois : Ensembles de termes/Corpus/Vecteurs de mots/Modèles pré-entraînés/Graphes de connaissances/Reconnaissance d'entités nommées/QA/Extraction d'informations/Modèles/Articles/etc
Des centaines de compétences d'agents pour la recherche médicale, incluant la conception de protocoles, l'analyse de données, des insights sur les preuves et la rédaction académique.
Internet-in-a-Box - Construisez votre propre BIBLIOTHÈQUE D'ALEXANDRIE avec un Raspberry Pi !
Faites apparaître votre corps dans les données. Une seule norme, toutes les sources, un portrait complet de vous : un dossier de santé auto-hébergé, constitué de résultats d’analyses, de données de dispositifs connectés et d’informations génétiques. Chaque chiffre est relié à sa source et un serveur MCP est intégré. Lancez-le avec Docker et une clé LLM, ou gardez tous les modèles en local avec llama.cpp.
Weasis est un visualiseur DICOM basé sur le web pour l'imagerie médicale avancée et l'intégration PACS fluide.
[pip install medmnist] 18 jeux de données standardisés pour la classification d'images biomédicales 2D et 3D
Simulation multi-physique en temps réel avec un accent sur la simulation médicale.
Notes de lecture sur l'apprentissage profond et l'apprentissage automatique
MedRAX : Agent de Raisonnement Médical pour Radiographies Thoraciques - ICML 2025
Fellow Oak DICOM pour .NET, .NET Core, Universal Windows, Android, iOS, Mono et Unity
TorchXRayVision : Une bibliothèque de jeux de données et de modèles de radiographies thoraciques. Classificateurs, segmentation et auto-encodeurs.
Ming (MING) : Grand modèle linguistique pour la consultation médicale chinoise
🩺 Le premier modèle médical multimodal chinois capable de résumer les radiographies thoraciques.
suivi des ensembles de données médicales, avec un accent sur l'imagerie médicale
Medical SAM 2 : Segmentation d'images médicales 3D via le modèle Segment Anything 2
Outils alimentés par l'IA pour améliorer les cartes mémoire Anki avec des explications, des mnémoniques, des illustrations et un apprentissage adaptatif pour la faculté de médecine et au-delà
Un système Graph RAG pour la recherche d'informations médicales basées sur des preuves [ACL 2025]
nnDetection est un framework d'auto-configuration pour la détection d'objets médicaux 3D (volumétriques) qui peut être appliqué à de nouveaux jeux de données sans intervention manuelle. Il comprend des guides pour 12 jeux de données qui ont été utilisés pour développer et évaluer les performances de la méthode proposée.
Le CHT Core Framework permet de construire plus rapidement des applications de santé numérique réactives et hors ligne en premier qui équipent les travailleurs de la santé pour fournir de meilleurs soins dans leurs communautés. C'est une ressource centrale du Community Health Toolkit.
Foire aux questions
Quel est le dépôt #medical le plus populaire sur GitHub ?
Le projet #medical open source le mieux classé sur GitHub est shibing624/MedicalGPT, avec 5,901 étoiles. MedicalGPT: Entraînez votre propre modèle GPT médical avec le pipeline d'entraînement de ChatGPT. Entraînement d'un grand modèle médical, comprenant le pré-entraînement incrémental (PT), le réglage fin supervisé (SFT), RLHF, DPO, ORPO, GRPO.
Quels langages de programmation sont les plus utilisés dans les dépôts #medical ?
Parmi les projets #medical les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, PHP.
Comment le classement des dépôts #medical est-il calculé ?
Nous suivons 33 dépôts open source actifs associés à #medical (500+ étoiles), totalisant 63,556 étoiles, avec une moyenne de 1,925 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.