#medical-image-segmentation Dépôts
Découvrez 21 dépôts GitHub open source actifs associés à #medical-image-segmentation, cumulant 41,590 étoiles au total (soit une moyenne de 1,980 étoiles par projet). Le projet en tête de ce thème est open-mmlab/mmsegmentation, avec 9,527 étoiles.
21 dépôts au total
Bibliothèque de segmentation d'images facile à utiliser avec un zoo de modèles pré-entraînés impressionnant, supportant une large gamme de tâches pratiques en Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation, etc.
Ce dépôt comprend le projet officiel de TransUNet, présenté dans notre article : TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation.
[ECCVW 2022] Les codes pour le travail « Swin-Unet : Transformer pur de type Unet pour la segmentation d'images médicales »
Un framework d'apprentissage profond basé sur PyTorch pour la segmentation d'images médicales multimodales 2D/3D
Ceci est le code source de unet-pytorch, vous pouvez entraîner vos propres modèles
Une collection de ressources sur les applications des Transformeurs en imagerie médicale.
Modèle Segment Anything pour la segmentation d'images médicales : Résumé du projet open source
SAM-Med3D : Un modèle de segmentation universel efficace activable par invite pour l'image médicale volumétrique 3D
(ACM TOMM) Ceci est le dépôt de code officiel pour "VM-UNet: Vision Mamba UNet for Medical Image Segmentation".
[ICCV 2023] Modèle Universel Piloté par CLIP ; Premier rang au concours MSD.
SegMamba : Mamba de modélisation séquentielle à longue portée pour la segmentation d'images médicales 3D
PraNet : Réseau d'attention inversée parallèle pour la segmentation des polypes, MICCAI 2020 (Oral). Le code utilisant le framework Jittor est disponible.
[AAAI' 25] U-KAN constitue une colonne vertébrale solide pour la segmentation et la génération d'images médicales
[VINT 2026] SAM2-UNet : Segment Anything 2 Fournit un Puissant Encodeur pour la Segmentation d'Images Naturelles et Médicales
MedLSAM : Modèle de Localisation et Segmentation de Tout pour les Images Médicales 3D
Foire aux questions
Quel est le dépôt #medical-image-segmentation le plus populaire sur GitHub ?
Le projet #medical-image-segmentation open source le mieux classé sur GitHub est open-mmlab/mmsegmentation, avec 9,527 étoiles. OpenMMLab Semantic Segmentation Toolbox et Benchmark.
Quels langages de programmation sont les plus utilisés dans les dépôts #medical-image-segmentation ?
Parmi les projets #medical-image-segmentation les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.
Comment le classement des dépôts #medical-image-segmentation est-il calculé ?
Nous suivons 21 dépôts open source actifs associés à #medical-image-segmentation (500+ étoiles), totalisant 41,590 étoiles, avec une moyenne de 1,980 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.