medical-image-analysis

Medizinische Bildverarbeitung für KI-Anwendungen.

[pip install medmnist] 18 standardisierte Datensätze für die 2D- und 3D-Biomedizinische Bildklassifizierung

Das Medical Detection Toolkit enthält 2D- und 3D-Implementierungen gängiger Objekterkenner wie Mask R-CNN, Retina Net, Retina U-Net sowie ein Trainings- und Inferenz-Framework für medizinische Bilder.

Eine Sammlung von Ressourcen zu Anwendungen von Transformers in der medizinischen Bildgebung.

TorchXRayVision: Eine Bibliothek mit Röntgenthorax-Datensätzen und -Modellen. Klassifizierer, Segmentierung und Autoencoder.

⚡ Leistungsstarker DICOM-Medizinbild-Parser in Go.

Automatisierte Lungensegmentierung in CT-Daten

[MICCAI 2019 Young Scientist Award] [MEDIA 2020 Best Paper Award] Models Genesis, eines der ersten "Fundament"-Modelle in der medizinischen Bildanalyse für verschiedene Downstream-Tasks

Toolbox für computergestützte Pathologie, entwickelt vom TIA Centre der University of Warwick.

[MICCAI 2023] MedNeXt ist eine vollständige ConvNeXt-Architektur für die 3D-Segmentierung medizinischer Bilder.

Code für das Nature Scientific Reports-Paper „Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks“. Ein Sliding-Window-Framework zur Klassifizierung hochauflösender Whole-Slide-Images, insbesondere in der Mikroskopie oder Histopathologie.