#medical-imaging Репозитории
Всего репозиториев: 81
DeepInverse: библиотека PyTorch для решения обратных задач обработки изображений с использованием глубокого обучения
DIPY — это образцовая библиотека 3D/4D+ медицинской визуализации на Python. Содержит общие методы для пространственной нормализации, обработки сигналов, машинного обучения, статистического анализа и визуализации медицинских изображений. Кроме того, она содержит специализированные методы для вычислительной анатомии, включая диффузионную, перфузионную и структурную визуализацию.
"Структурно-ориентированная реконструкция 3D-рентгеновских изображений по разреженным видам" (CVPR 2024) - Набор инструментов для КТ-реконструкции и синтеза новых рентгеновских видов
[Премия MICCAI 2019 для молодых учёных] [Премия MedIA за лучшую статью] Models Genesis: самоконтролируемое предварительное обучение для трёхмерных медицинских изображений. Модель изучает переносимые представления на основе неразмеченных объёмных данных КТ и МРТ, а затем дообучается для последующих задач сегментации и классификации. Включены веса для Keras и PyTorch.
BiomedParse: Фундаментальная модель для совместной сегментации, обнаружения и распознавания биомедицинских объектов в девяти модальностях
Официальный код для "Boundary loss for highly unbalanced segmentation", второе место в конкурсе на лучшую статью на MIDL 2019. Расширенная версия в MedIA, том 67, январь 2021.
nnDetection — это самоконфигурируемый фреймворк для 3D (объемного) медицинского детектирования объектов, который может быть применен к новым наборам данных без ручного вмешательства. Он включает руководства для 12 наборов данных, которые использовались для разработки и оценки производительности предложенного метода.
Библиотека для вычисления метрик производительности на основе расстояния до поверхности для задач сегментации.
Аугментация изображений для компьютерного зрения. Только лицензия AGPL-3.0 или коммерческое лицензирование.
[Устарело] Вместо этого используйте Cornerstone3D https://cornerstonejs.org/
Вдохновляя следующее поколение моделей Segment Anything: Комплексная оценка SAM и SAM 2 с использованием разнообразных подсказок для контекстно-зависимых концепций в различных сценах
Официальный код для "К общему базовому проекту для радиологии с использованием веб-масштабных 2D и 3D медицинских данных".
[BIONLP@ACL 2024] XrayGPT: Резюмирование рентгенограмм грудной клетки с использованием медицинских моделей зрения и языка.
Классификация изображений слайдов рака лёгких с использованием глубокого обучения
Фреймворк для высокопроизводительной обработки медицинских изображений, вывода нейронных сетей и визуализации