#medical-imaging Репозитории
Откройте для себя 81 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #medical-imaging, с общим числом 117,963 звёзд (в среднем 1,456 на проект). Лидером этой темы является kmario23/deep-learning-drizzle, набравший 12,995 звёзд.
Всего репозиториев: 81
Погрузитесь в Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision и NLP, изучая эти увлекательные лекции!!
OHIF просмотрщик DICOM с нулевым следом и трекер поражений, специфичный для онкологии, плюс общие пакеты расширений
Инструмент для надежной сегментации >100 важных анатомических структур на изображениях КТ и МРТ
Куратированный список медицинских LLM, мультимодальных систем, наборов данных, бенчмарков и многого другого. 🏥
Сборник вопросов и ответов для собеседований AIGC-interview/CV-interview/LLMs-interview, также содержащий новые идеи, новые вопросы, новые ресурсы и новые проекты из рабочих и исследовательских процессов
Мультиплатформенное бесплатное программное обеспечение с открытым исходным кодом для визуализации и обработки изображений.
Сверточная нейронная сеть (CNN) Pytorch 3D U-Net, разработанная для сегментации медицинских изображений
Большой языково-визуальный помощник для биомедицины, созданный для обеспечения мультимодальных возможностей уровня GPT-4.
Диффузионные модели в медицинской визуализации (Опубликовано в журнале Medical Image Analysis)
[Устарело] Вместо этого используйте Cornerstone3D https://cornerstonejs.org/
Платформа глубокого обучения на основе PyTorch для мультимодальной 2D/3D сегментации медицинских изображений
Эффективно обучайте модели ИИ на медицинских изображениях с использованием любого фреймворка
DICOM Web Viewer: библиотека медицинских изображений с открытым исходным кодом и нулевым следом.
Insight Toolkit (ITK) -- Официальный репозиторий. ITK основан на проверенной архитектуре, ориентированной на пространство, для обработки, сегментации и регистрации научных изображений в двух, трех или более измерениях.
【ICML 2025 Spotlight】 Официальный репозиторий для статьи «HealthGPT: Большая медицинская визуально-языковая модель для унификации понимания и генерации посредством адаптации гетерогенных знаний»
Открытый пакет Python для извлечения признаков Radiomics из 2D- и 3D-изображений и бинарных масок. Поддержка: https://discourse.slicer.org/c/community/radiomics
Weasis — это веб-ориентированный просмотрщик DICOM для продвинутой медицинской визуализации и бесшовной интеграции PACS.
[pip install medmnist] 18 стандартизированных наборов данных для 2D и 3D классификации биомедицинских изображений
Использование диффузионных моделей для сегментации/реконструкции органов по медицинским изображениям [Наиболее влиятельная статья AAAI]
Медицинский набор инструментов для обнаружения содержит 2D + 3D реализации распространенных детекторов объектов, таких как Mask R-CNN, Retina Net, Retina U-Net, а также фреймворк для обучения и вывода, ориентированный на работу с медицинскими изображениями.
Сборник ресурсов по применению трансформеров в медицинской визуализации.
Заметки по чтению статей по глубокому обучению и машинному обучению
MedRAX: Агент медицинского рассуждения для рентгенограмм грудной клетки - ICML 2025
Этот репозиторий представляет собой первый всеобъемлющий обзор модели Segment Anything (SAM) от Meta AI.
Fellow Oak DICOM для .NET, .NET Core, Universal Windows, Android, iOS, Mono и Unity
TorchXRayVision: Библиотека наборов данных и моделей рентгеновских снимков грудной клетки. Классификаторы, сегментация и автоэнкодеры.
Cornerstone — это набор библиотек JavaScript, которые можно использовать для создания веб-приложений для медицинской визуализации. Он предоставляет фреймворк для создания радиологических приложений, таких как OHIF Viewer.
Эффективная многоуровневая 3D сверточная нейронная сеть для сегментации 3D медицинских сканов
Прозрачная обобщенная модель для целостного медико-визуально-языкового понимания
Сборник ресурсов по применению мультимодального обучения в медицинской визуализации.
Набор общих вспомогательных кодов для медицинской визуализации, хирургической навигации и связанных целей.
SAM-Med3D: Эффективная универсальная модель сегментации с возможностью подсказки для 3D объемных медицинских изображений
отслеживание медицинских наборов данных, с акцентом на медицинскую визуализацию
U-Mamba: Улучшение дальних зависимостей для сегментации биомедицинских изображений
Medical SAM 2: Сегментация 3D медицинских изображений с помощью модели Segment Anything 2
Jupyter notebooks для изучения использования SimpleITK
MONAI Label — это интеллектуальный инструмент с открытым исходным кодом для маркировки и обучения изображений.
⚕️Многоагентный медицинский диагностический чат-бот на базе GenAI для помощи в исследованиях в области здравоохранения. 🏥 Разработан для медицинских работников, исследователей и пациентов.
Быстрая библиотека для анализа медицинских изображений на Python с алгоритмами для регистрации, сегментации и многого другого.
Часто задаваемые вопросы
Какой репозиторий по теме #medical-imaging наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #medical-imaging на GitHub — kmario23/deep-learning-drizzle, набравший 12,995 звёзд. Погрузитесь в Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision и NLP, изучая эти увлекательные лекции!!
Какие языки программирования чаще всего используются в репозиториях по теме #medical-imaging?
Среди наиболее высоко оценённых проектов по теме #medical-imaging на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, C++, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #medical-imaging?
Мы отслеживаем 81 активных репозиториев с открытым исходным кодом, отмеченных тегом #medical-imaging (500 и более звёзд), с общим числом 117,963 звёзд и в среднем 1,456 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.