medical-imaging

Un conjunto de código de soporte común para imágenes médicas, navegación quirúrgica y propósitos relacionados.

Medical SAM 2: Segmentación de imágenes médicas en 3D mediante Segment Anything Model 2.

Seguimiento de conjuntos de datos médicos, con enfoque en imágenes médicas

MONAI Label es una herramienta inteligente de código abierto para el etiquetado y aprendizaje de imágenes.

Una biblioteca rápida de análisis de imágenes médicas en Python con algoritmos para registro, segmentación y más.

Un framework de imágenes médicas para Pytorch

DIPY es la biblioteca de referencia en Python para imágenes médicas 3D/4D+. Contiene métodos genéricos para normalización espacial, procesamiento de señales, aprendizaje automático, análisis estadístico y visualización de imágenes médicas. Además, incluye métodos especializados en anatomía computacional, incluyendo difusión, perfusión e imágenes estructurales.

El kit de herramientas de interacción para imágenes médicas (Medical Imaging Interaction Toolkit).

DeepInverse: una biblioteca de PyTorch para resolver problemas inversos de imágenes mediante aprendizaje profundo

Reconstrucción 3D de rayos X de vista dispersa consciente de la estructura (CVPR 2024): una caja de herramientas para la reconstrucción de TC y la síntesis de nuevas vistas de rayos X

Software de reconstrucción de imágenes médicas en 3D.

Segmentación pulmonar automatizada en TC

[Premio al Joven Científico MICCAI 2019] [Premio al Mejor Artículo MEDIA 2020] Models Genesis, uno de los primeros modelos "fundacionales" en el análisis de imágenes médicas para múltiples tareas posteriores

Modelos base de visión para IA médica, incluyendo RETFound, DINOv2 y DINOv3

nnDetection es un framework autoconfigurable para la detección de objetos médicos en 3D (volumétricos) aplicable a nuevos conjuntos de datos sin intervención manual. Incluye guías para 12 conjuntos de datos usados en su desarrollo y evaluación.

Kaggle Data Science Bowl 2017

[Obsoleto] Utilice Cornerstone3D en su lugar: https://cornerstonejs.org/

Implementación en Rust del estándar DICOM

Albumentations de próxima generación: con licencia dual para uso comercial y de código abierto

Brainchop: renderizado y segmentación de resonancias magnéticas en 3D dentro del navegador.

Dicoogle - PACS de código abierto

[MICCAI 2023] MedNeXt es una arquitectura totalmente ConvNeXt para la segmentación de imágenes médicas en 3D.

Modelo fundamental de patología de visión y lenguaje - Nature Medicine.

Un framework para procesamiento de imágenes médicas, inferencia de redes neuronales y visualización de alto rendimiento

Implementación de código abierto del estándar DICOMweb.