#medical-imaging Repositórios
Descubra 81 repositórios ativos de código aberto no GitHub marcados com #medical-imaging, acumulando um total de 117,963 estrelas (uma média de 1,456 por projeto). O líder deste tópico é kmario23/deep-learning-drizzle, com 12,995 estrelas.
81 repositórios no total
Mergulhe em Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP aprendendo com estas palestras emocionantes!!
Visualizador DICOM de pegada zero OHIF e Rastreador de Lesões específico para oncologia, além de pacotes de extensão compartilhados
Lista de conjuntos de dados de imagens médicas 『An Index for Medical Imaging Datasets』
Ferramenta para segmentação robusta de >100 estruturas anatômicas importantes em imagens de TC e RM
Uma lista curada de LLMs médicos, sistemas multimodais, conjuntos de dados, benchmarks e mais. 🏥
Repositório de perguntas e respostas para entrevistas de AIGC/CV/LLMs, contendo também novas ideias, novos problemas, novos recursos e novos projetos do trabalho e do processo de pesquisa
Software livre e de código aberto multiplataforma para visualização e computação de imagens.
Rede Neural Convolucional (CNN) Pytorch 3D U-Net projetada para segmentação de imagens médicas
Assistente de Linguagem e Visão de Grande Porte para a Biomedicina, construído com o objetivo de alcançar capacidades multimodais de nível GPT-4.
Modelos de Difusão em Imagiologia Médica (Publicado na Revista Medical Image Analysis)
[Descontinuado] Use o Cornerstone3D em vez disso https://cornerstonejs.org/
Uma estrutura de aprendizado profundo baseada em pytorch para segmentação de imagens médicas multimodais 2D/3D
Treine modelos de IA de forma eficiente em imagens médicas usando qualquer framework
Repositório oficial do Insight Toolkit (ITK). O ITK baseia-se numa arquitetura comprovada e orientada espacialmente para o processamento, segmentação e registo de imagens científicas em duas, três ou mais dimensões.
【ICML 2025 Spotlight】 Repositório Oficial para o Artigo ‘’HealthGPT: Um Grande Modelo Visão-Linguagem Médico para Unificação de Compreensão e Geração via Adaptação de Conhecimento Heterogêneo‘’
Pacote Python de código aberto para a extração de recursos de Radiômica de imagens 2D e 3D e máscaras binárias. Suporte: https://discourse.slicer.org/c/community/radiomics
Weasis é um visualizador DICOM baseado na web para imagem médica avançada e integração perfeita com PACS.
[pip install medmnist] Conjuntos de Dados Padronizados 18x para Classificação de Imagens Biomédicas 2D e 3D
Usando Modelos de Difusão para Segmentar/Reconstruir Órgãos a partir de Imagens Médicas [Artigo Mais Influente da AAAI]
O Medical Detection Toolkit contém implementações 2D + 3D de detectores de objetos prevalentes, como Mask R-CNN, Retina Net, Retina U-Net, bem como um framework de treinamento e inferência focado em lidar com imagens médicas.
Uma coleção de recursos sobre aplicações de Transformers em Imagiologia Médica.
Notas de leitura de artigos sobre Aprendizagem Profunda e Aprendizagem Automática
Este repositório é para a primeira pesquisa abrangente sobre o Modelo Segment Anything (SAM) da Meta AI.
TorchXRayVision: Uma biblioteca de conjuntos de dados e modelos de raios-X de tórax. Classificadores, segmentação e autoencoders.
Cornerstone é um conjunto de bibliotecas JavaScript que podem ser usadas para construir aplicações de imagem médica baseadas na web. Ele fornece um framework para construir aplicações de radiologia, como o OHIF Viewer.
Rede Neural Convolucional 3D Eficiente Multi-Escala para Segmentação de Varreduras Médicas 3D
Um Modelo Generalista Transparente para a Compreensão Holística de Visão-Linguagem Médica
Uma coleção de recursos sobre aplicações de aprendizado multimodal em imagens médicas.
Um conjunto de código de suporte comum para imagens médicas, navegação cirúrgica e fins relacionados.
SAM-Med3D: Um Modelo de Segmentação Acionável por Prompt, Eficiente e de Propósito Geral para Imagens Médicas Volumétricas 3D
U-Mamba: Aprimorando a Dependência de Longo Alcance para Segmentação de Imagens Biomédicas
SAM Médico 2: Segmentação de Imagens Médicas 3D Via Segment Anything Model 2
MONAI Label é uma ferramenta inteligente de código aberto para rotulagem e aprendizado de imagens.
⚕️Chatbot multiagente para diagnóstico médico e assistência à pesquisa em saúde, impulsionado por IA Generativa (GenAI). 🏥 Destinado a profissionais de saúde, pesquisadores e pacientes.
Uma biblioteca rápida de análise de imagens médicas em Python, com algoritmos para registro, segmentação e muito mais.
Perguntas Frequentes
Qual é o repositório de #medical-imaging mais popular no GitHub?
O projeto de código aberto de #medical-imaging mais bem classificado no GitHub é kmario23/deep-learning-drizzle, com 12,995 estrelas. Mergulhe em Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP aprendendo com estas palestras emocionantes!!
Quais linguagens de programação são mais usadas nos repositórios de #medical-imaging?
Entre os projetos de #medical-imaging mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, TypeScript.
Como é calculada a classificação dos repositórios de #medical-imaging?
Acompanhamos 81 repositórios ativos de código aberto marcados com #medical-imaging (com mais de 500 estrelas), totalizando 117,963 estrelas e uma média de 1,456 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.