Project Icon

SynthSeg

通用深度学习脑部MRI分割工具 适用多种对比度和分辨率

SynthSeg是一种深度学习脑部MRI分割工具,可处理不同对比度和分辨率的扫描。无需重新训练即可适用于各年龄段和健康状况的人群,可处理预处理或未预处理的扫描,并能应对白质病变。SynthSeg 2.0版本增加了皮层分区、自动质量控制和颅内容积估计功能,提高了其在分析大规模异质临床脑MRI数据集中的实用性。

SLANTbrainSeg - 全脑高分辨率MRI深度学习分割工具
GithubSLANT医学影像开源项目深度学习神经影像学脑部分割
SLANTbrainSeg是一款开源的全脑高分辨率MRI分割工具,采用人工智能深度学习技术。它可将T1 MRI扫描分割为133个标签,符合BrainCOLOR协议。项目提供Docker镜像,支持GPU和CPU,操作简便。SLANTbrainSeg在分割精度和效率上表现出色,适用于神经影像研究和临床分析。
UniSeg - 多模态3D医学图像通用分割模型
GithubMICCAI 2023UniSeg分割模型医学图像多器官分割开源项目
UniSeg是一个基于提示驱动的通用分割模型,可对多模态、多领域的3D医学图像进行多器官、肿瘤和椎骨分割。作为强大的分割模型和特征学习器,UniSeg提供完整代码实现、预训练模型及详细使用说明。项目涵盖数据准备、预处理、训练和测试等步骤。在MICCAI SegRap 2023比赛中,UniSeg在两项任务中均获得第二名,展现了其在医学图像分割领域的出色表现。
TotalSegmentator - 全身器官自动分割工具适用于CT和MR影像
CT图像分割GithubMR图像分割TotalSegmentator医学影像开源项目深度学习
TotalSegmentator是一款自动分割CT和MR图像中主要解剖结构的开源工具。基于大规模数据集训练,可在不同设备和协议的医学影像上实现稳健分割,支持117个CT类别和56个MR类别。工具提供多种子任务,如肺血管、体表和脑出血等特定器官分割。支持命令行和Python API调用,可在CPU或GPU上运行,并提供Docker容器部署。
SegVol - 突破性的通用交互式三维医学影像分割模型
3D建模CT扫描GithubSegVol人工智能医学图像分割开源项目
SegVol是一个创新的通用交互式三维医学影像分割模型,支持点、框和文本提示输入。该模型在96,000个CT扫描数据集上训练,可分割超过200个解剖类别。SegVol开源了推理代码、训练代码、模型参数以及预训练的ViT参数。通过内部和外部验证,SegVol展现出优秀的分割性能,为医学影像分析提供了新的解决方案。
MedSegDiff - 创新医学图像分割框架
GithubMedSegDiff人工智能医学图像分割开源项目扩散模型深度学习
MedSegDiff是一个创新的医学图像分割框架,基于扩散概率模型(DPM)。该方法通过添加高斯噪声并学习逆向去噪过程来实现分割。利用原始图像作为条件,MedSegDiff从随机噪声生成多个分割图,并进行集成获得最终结果。这种方法能够捕捉医学图像中的不确定性,在多个基准测试中表现优异。MedSegDiff支持多种医学图像分割任务,包括皮肤黑色素瘤和脑肿瘤分割等,并提供详细使用说明和示例。
Pytorch-Medical-Segmentation - 基于PyTorch的医学图像分割框架 支持2D和3D多模态分析
GithubPytorch医学图像分割开源项目深度学习神经网络
Pytorch-Medical-Segmentation是一个开源医学图像分割框架,支持2D和3D多模态分析。该项目集成多种先进算法,兼容主流医学影像格式,提供灵活配置选项。内置训练推理流程和评估指标,便于研究人员和开发者快速实现各类医学图像分割任务。
SOTA-MedSeg - 医学图像分割前沿挑战与顶级方法概览
GithubMICCAIU-Net医学图像分割开源项目挑战赛深度学习
SOTA-MedSeg项目汇总了医学图像分割领域的前沿挑战和顶级方法。涵盖头部、颈部、心脏和腹部等多个身体部位的分割任务,包括脑肿瘤、主动脉瘤和肾脏肿瘤等疾病。项目列出各大挑战赛的最佳方法及性能指标,提供相关论文和代码链接,是了解医学图像分割最新进展的综合资源。
SAM-Med2D - 医学图像分割新突破 SAM-Med2D模型
GithubSAM-Med2D医学图像分割开源项目数据集模型训练模型评估
SAM-Med2D是基于Segment Anything Model的医学图像分割模型,在包含4.6M图像和19.7M掩码的大规模数据集上进行微调。该项目涵盖10种医学数据模态、4种解剖结构和病变,以及31个主要人体器官。SAM-Med2D在多个测试集上表现优秀,尤其在点提示和边界框提示方面效果显著,为医学图像分割领域提供了新的解决方案。
nnUNet - 自适应医学图像分割深度学习框架
GithubnnU-Net医学影像图像分割开源项目深度学习自动化
nnUNet是一个自适应深度学习框架,专注于医学图像分割。它可自动分析训练数据并优化U-Net分割流程,无需专业知识即可使用。支持2D和3D图像,处理多种模态和输入通道,并能应对不平衡类别分布。在多个生物医学图像分割挑战中表现出色,广泛用作基线方法和开发框架。适用于领域科学家和AI研究人员,为医学图像分析提供强大支持。
diffseg - 基于稳定扩散的零样本图像分割方法
DiffSegGithubStable Diffusion开源项目无监督学习注意力机制零样本分割
DiffSeg是一种利用稳定扩散模型注意力信息的无监督零样本图像分割方法。这个开源项目实现了DiffSeg算法,并提供环境设置指南、运行说明和基准测试。DiffSeg在CoCo-Stuff-27和Cityscapes数据集上表现出色,为计算机视觉领域提供了新的解决方案。特别适合研究无监督学习和零样本学习的专业人士,以及需要高效、灵活图像分割方案的研究人员和开发者。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号