#medical-ai Репозитории
Откройте для себя 18 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #medical-ai, с общим числом 22,415 звёзд (в среднем 1,245 на проект). Лидером этой темы является wasserth/TotalSegmentator, набравший 3,172 звёзд.
Всего репозиториев: 18
Инструмент для надежной сегментации >100 важных анатомических структур на изображениях КТ и МРТ
Сверточная нейронная сеть (CNN) Pytorch 3D U-Net, разработанная для сегментации медицинских изображений
Инструментарий глубокого обучения для ИИ в здравоохранении: электронные медицинские карты (MIMIC, eICU, OMOP), клинические тексты, сигналы и медицинские изображения. Более 30 моделей и воспроизводимые пайплайны.
【ICML 2025 Spotlight】 Официальный репозиторий для статьи «HealthGPT: Большая медицинская визуально-языковая модель для унификации понимания и генерации посредством адаптации гетерогенных знаний»
Отразите своё тело в данных. Единый стандарт, все источники, целостная картина о вас: самостоятельно размещаемая медицинская карта на основе лабораторных анализов, данных носимых устройств и генетической информации. Каждое число можно проследить до источника, а MCP-сервер уже встроен. Запустите её с помощью Docker и одного ключа LLM или оставьте все модели локально, используя llama.cpp.
В рамках данного проекта была разработана и реализована интеллектуальная система медицинских вопросов и ответов, основанная на RAG (генерации с дополнением поиском) на базе графов знаний и больших языковых моделей. Используя медицинский набор данных DiseaseKG и Neo4j, система строит предметно-ориентированный граф знаний, содержащий 44 000 сущностей и 310 000 связей. Сочетая распознавание именованных сущностей с помощью BERT и распознавание намерений с помощью модели 32B, система эффективно снижает проблему галлюцинаций больших моделей в медицинских сценариях за счет точного поиска по графу и контролируемой генерации ответов, что значительно повышает точность и надежность предоставляемой информации.
TorchXRayVision: Библиотека наборов данных и моделей рентгеновских снимков грудной клетки. Классификаторы, сегментация и автоэнкодеры.
Бенчмарк клинических решений и доказательности: выделить единственный факт, на котором основан ответ, и проверить, меняется ли действие ассистента в соответствии с доказательствами. Построен на базе HealthBench.
Прозрачная обобщенная модель для целостного медико-визуально-языкового понимания
[TMLR 2025🔥] Обзор авторегрессионных моделей в компьютерном зрении.
BiomedGPT: Универсальная основополагающая модель зрения-языка для решения различных биомедицинских задач
Официальные коды для "PMC-LLaMA: На пути к созданию открытых языковых моделей для медицины"
EMNLP'22 | MedCLIP: Контрастное обучение на непарных медицинских изображениях и текстах
Prov-GigaPath: Фундаментальная модель для всей истории болезни в цифровой патологии на основе реальных данных
SegMamba: Mamba для моделирования последовательностей на больших расстояниях для сегментации 3D медицинских изображений
[IEEE TMI-2024] UNETR++: Углубленное исследование эффективной и точной 3D сегментации медицинских изображений
MedResearcher-R1 — это агент глубоких исследований для медицинских сценариев, построенный на основе фреймворка синтеза траекторий, информированного знаниями.
Часто задаваемые вопросы
Какой репозиторий по теме #medical-ai наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #medical-ai на GitHub — wasserth/TotalSegmentator, набравший 3,172 звёзд. Инструмент для надежной сегментации >100 важных анатомических структур на изображениях КТ и МРТ
Какие языки программирования чаще всего используются в репозиториях по теме #medical-ai?
Среди наиболее высоко оценённых проектов по теме #medical-ai на GitHub чаще всего используются языки программирования Python, Jupyter Notebook.
Как рассчитывается рейтинг репозиториев по теме #medical-ai?
Мы отслеживаем 18 активных репозиториев с открытым исходным кодом, отмеченных тегом #medical-ai (500 и более звёзд), с общим числом 22,415 звёзд и в среднем 1,245 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.