medical-image-analysis

Traitement d'imagerie médicale pour les applications d'IA.

[pip install medmnist] 18 jeux de données standardisés pour la classification d'images biomédicales 2D et 3D.

Le Medical Detection Toolkit contient des implémentations 2D et 3D de détecteurs d'objets courants tels que Mask R-CNN, Retina Net, Retina U-Net, ainsi qu'un framework d'entraînement et d'inférence axé sur le traitement d'images médicales.

Collection de ressources sur les applications des Transformers en imagerie médicale.

TorchXRayVision : une bibliothèque de jeux de données et de modèles de radiographies thoraciques, incluant des classifieurs, de la segmentation et des auto-encodeurs.

Analyseur d'images médicales DICOM haute performance écrit en Go.

Segmentation pulmonaire automatisée sur scanner (CT)

[Prix du jeune scientifique MICCAI 2019] [Prix du meilleur article MEDIA 2020] Models Genesis, l'un des premiers modèles de « fondation » en analyse d'images médicales pour de multiples tâches en aval.

Boîte à outils de pathologie computationnelle développée par le TIA Centre, Université de Warwick.

[MICCAI 2023] MedNeXt est une architecture entièrement basée sur ConvNeXt pour la segmentation d'images médicales 3D.

Code pour l'article de Nature Scientific Reports "Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks". Un framework à fenêtre glissante pour la classification d'images haute résolution, souvent des images de microscopie ou d'histopathologie.