#medical-imaging Repository
81 repository in totale
DeepInverse: una libreria PyTorch per la risoluzione di problemi inversi di imaging utilizzando il deep learning
DIPY รจ la biblioteca paradigmatica per l'imaging medico 3D/4D+ in Python. Contiene metodi generici per la normalizzazione spaziale, l'elaborazione del segnale, il machine learning, l'analisi statistica e la visualizzazione di immagini mediche. Inoltre, contiene metodi specializzati per l'anatomia computazionale, inclusa l'imaging a diffusione, perfusione e imaging strutturale.
"Ricostruzione 3D a raggi X a vista sparsa consapevole della struttura" (CVPR 2024) - Una toolbox per la ricostruzione TC e la sintesi di nuove viste a raggi X
[Premio per giovani scienziati MICCAI 2019] [Premio per il miglior articolo MedIA] Models Genesis: pre-addestramento autosupervisionato per immagini mediche 3D. Apprende rappresentazioni trasferibili da volumi CT e MRI privi di annotazioni, quindi viene sottoposto a fine-tuning per le attivitร a valle di segmentazione e classificazione. Pesi Keras e PyTorch inclusi.
BiomedParse: Un modello di fondazione per la segmentazione, il rilevamento e il riconoscimento congiunti di oggetti biomedici in nove modalitร
Codice ufficiale per "Boundary loss for highly unbalanced segmentation", secondo classificato per il best paper award a MIDL 2019. Versione estesa in MedIA, volume 67, gennaio 2021.
nnDetection รจ un framework di autocostruzione per il rilevamento di oggetti medici 3D (volumetrici) che puรฒ essere applicato a nuovi set di dati senza intervento manuale. Include guide per 12 set di dati utilizzati per sviluppare e valutare le prestazioni del metodo proposto.
Libreria per calcolare metriche di performance basate sulla distanza superficiale per compiti di segmentazione.
Aumento delle immagini per la visione artificiale. Licenza esclusivamente AGPL-3.0 o licenza commerciale.
[Obsoleto] Utilizza invece Cornerstone3D https://cornerstonejs.org/
Ispirare la prossima generazione di Segment Anything Models: Valutare in modo completo SAM e SAM 2 con prompt diversi verso concetti dipendenti dal contesto in scene differenti
Il codice ufficiale per "Verso un modello fondazionale generalista per la radiologia sfruttando dati medici 2D e 3D su scala web".
[BIONLP@ACL 2024] XrayGPT: Riassunto di radiografie del torace utilizzando modelli medici di visione e linguaggio.
Classificazione delle immagini di vetrini di cancro al polmone utilizzando deep learning
Un framework per l'elaborazione di immagini mediche ad alte prestazioni, inferenza di reti neurali e visualizzazione