#medical-imaging Repositórios
81 repositórios no total
DeepInverse: uma biblioteca PyTorch para resolver problemas inversos de imagem usando aprendizado profundo
DIPY é a principal biblioteca de imagens médicas 3D/4D+ em Python. Contém métodos genéricos para normalização espacial, processamento de sinais, aprendizado de máquina, análise estatística e visualização de imagens médicas. Além disso, ela contém métodos especializados para anatomia computacional, incluindo imagens de difusão, perfusão e estruturais.
"Reconstrução 3D de Raio-X de Vistas Esparsas com Consciência Estrutural" (CVPR 2024) - Uma Caixa de Ferramentas para Reconstrução de TC e Síntese de Novas Vistas de Raio-X
[Prêmio de Jovem Cientista da MICCAI 2019] [Prêmio de Melhor Artigo da MedIA] Models Genesis: pré-treinamento autossupervisionado para imagens médicas 3D. Aprende representações transferíveis a partir de volumes de TC e RM não rotulados e, em seguida, é ajustado para tarefas posteriores de segmentação e classificação. Pesos para Keras e PyTorch incluídos.
BiomedParse: Um Modelo Fundamental para Segmentação, Detecção e Reconhecimento Conjunto de Objetos Biomédicos em Nove Modalidades
Código oficial para "Boundary loss for highly unbalanced segmentation", vice-campeão do prêmio de melhor artigo no MIDL 2019. Versão estendida em MedIA, volume 67, janeiro de 2021.
Modelos Fundacionais de Visão para IA Médica, incluindo RETFound, DINOv2, DINOv3
nnDetection é uma estrutura de autoconfiguração para detecção de objetos médicos 3D (volumétricos) que pode ser aplicada a novos conjuntos de dados sem intervenção manual. Inclui guias para 12 conjuntos de dados que foram usados para desenvolver e avaliar o desempenho do método proposto.
Biblioteca para computar métricas de desempenho de distância de superfície para tarefas de segmentação.
Aumento de imagens para visão computacional. Licenciamento exclusivamente sob AGPL-3.0 ou licença comercial.
[Deprecado] Use Cornerstone3D Em Vez De https://cornerstonejs.org/
Inspirando a Próxima Geração de Modelos 'Segment Anything': Avaliando de Forma Abrangente SAM e SAM 2 com Diversos Prompts em Direção a Conceitos Dependentes de Contexto em Diferentes Cenários
O código oficial para "Em direção a um Modelo Fundamental Generalista para Radiologia Aproveitando Dados Médicos 2D e 3D em Escala da Web".
[BIONLP@ACL 2024] XrayGPT: Sumarização de Radiografias de Tórax usando Modelos Médicos de Visão e Linguagem.
Classificação de imagens de lâminas de câncer de pulmão usando aprendizado profundo
Um framework para processamento de imagens médicas de alto desempenho, inferência de rede neural e visualização