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 脑部扫描分割深度学习

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。

访问官网

Github

介绍相关项目

awesome-segment-anything - Segment Anything项目研究进展

GithubInpaintingSegment Anything医疗图像分割开源项目计算机视觉项目专有名称

本项目专注于追踪和总结Segment Anything在计算机视觉领域的最新研究进展，内容涵盖基准模型论文、衍生论文和衍生项目，覆盖医学影像分割、视频帧插值、低层视觉、图像插补等多个领域。如觉得本资源库有帮助，请星标或分享。这里提供最新的项目更新和丰富的资源链接，助力进一步研究和应用。

Mask3D - 改进3D语义实例分割方法，兼容多种数据集

3D实例分割GithubICRA 2023Mask3DPyTorchScanNet开源项目

Mask3D是一个提升3D语义实例分割的开源项目，支持ScanNet、ScanNet200、S3DIS和STPLS3D数据集。项目集成了PyTorch、PyTorch Lightning和Hydra工具，提供高效的架构和训练流程，包括数据预处理、模型训练与测试。此外，Mask3D在多个挑战中表现优异，包括在ECCV 2022的Urban3D挑战中获得第二名。

pytorch-3dunet - 支持语义分割和回归问题的3D U-Net模型实现

3D U-NetGithubpytorch-3dunet安装开源项目训练预测

pytorch-3dunet实现了多种3D U-Net模型及其变体，包括标准3D U-Net、残差3D U-Net和带压缩激励块的残差3D U-Net。该项目支持二元和多分类语义分割以及去噪、学习反卷积等回归问题。项目还支持2D U-Net，提供多种配置示例帮助用户训练和预测。此外，该项目可在Windows和OS X系统上运行，并支持多种损失函数和评估指标，如Dice系数、平均交并比、均方误差等。这一描述更加简洁、流畅，同时保持了准确性。

SLiMe - 基于Stable Diffusion的单样本图像分割方法

GithubPyTorchSLiMeStable Diffusion图像分割开源项目深度学习

SLiMe是一种基于Stable Diffusion的单样本图像分割方法，通过单个训练样本实现准确分割。项目提供PyTorch实现，包含训练、测试和数据处理指南。SLiMe在PASCAL-Part和CelebAMask-HQ数据集上表现优异，为图像分割研究提供新思路。项目开源代码，支持自定义数据集训练和测试。SLiMe采用图像分块处理技术，提高分割精度。研究者可基于此探索更多单样本学习应用场景。

sdfstudio - 一体化神经隐式曲面重建框架

GithubNeRFNeuSNeuralangeloSDFStudionerfstudio开源项目

SDFStudio是一个为神经隐式曲面重建设计的模块化框架，基于nerfstudio项目构建。它支持UniSurf、VolSDF和NeuS三大重建方法，处理多种场景表示和采样策略，并集成单目线索和几何正则化等最新技术。其灵活架构方便在不同方法间应用新理念，例如Mono-NeuS和Geo-VolSDF。本页面提供详尽的安装指南、训练示例和结果导出方法，适用于研究者和工程师。

deepsleepnet - 自动睡眠阶段评分深度学习模型

DeepSleepNetEEGGithub开源项目深度学习睡眠阶段评分神经系统工程

DeepSleepNet是一个创新的深度学习模型，用于基于原始单通道脑电图(EEG)数据的自动睡眠阶段评分。其独特的双阶段架构融合了表示学习和序列残差学习技术，大幅提升了评分准确性。通过在MASS和Sleep-EDF等公开数据集上的严格评估，DeepSleepNet展现出优于传统手工特征工程方法的卓越性能。这一高效、精确的自动化工具为睡眠障碍诊断、睡眠质量监测等睡眠研究和临床应用领域带来了新的可能。

syn-rep-learn - 探索合成图像在视觉表示学习中的应用

Github人工智能合成数据学习图像生成模型开源项目深度学习视觉表示学习

Syn-Rep-Learn 项目研究合成图像在视觉表示学习中的应用。该项目包括三个主要研究方向：StableRep 探索文本到图像模型生成的合成图像在视觉表示学习中的作用，Scaling 分析合成图像在模型训练中的扩展规律，SynCLR 比较从模型和实际数据学习视觉的效果。这些研究为计算机视觉和机器学习领域提供了新的视角。

segmentation_models.pytorch - 基于PyTorch的神经网络图像分割库

GithubPyTorch图像分割开源项目神经网络编码器预训练模型

segmentation_models.pytorch 是一个基于 PyTorch 的图像分割库,提供9种分割模型架构和124种编码器。该库 API 简洁,支持预训练权重,并包含常用评估指标和损失函数。它适用于研究和实际应用中的各种图像分割任务,是图像分割领域的实用工具。

Slicer - 跨平台医学影像分析与可视化软件

3D SlicerGithub可视化图像分析开源软件开源项目跨平台

3D Slicer是一款开源的医学影像可视化和分析软件。它兼容Windows、Linux和macOS，提供3D影像处理工具，适用于研究人员和医疗专业人士。该项目具有活跃的社区支持，定期更新，并提供详细文档和教程。3D Slicer为医学影像研究和应用提供了强大的跨平台解决方案。

TransMorph_Transformer_for_Medical_Image_Registration - 基于Transformer的无监督医学图像配准方法

GithubPyTorchTransMorphTransformer医学影像配准开源项目深度学习

TransMorph是一个利用Transformer架构进行无监督医学图像配准的开源项目，结合了Vision Transformer和Swin Transformer技术。提供多个模型变体和多种损失函数，支持单模态和多模态配准，公开了训练脚本和预训练模型，并在MICCAI 2021 L2R挑战中表现出色。

相关项目

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。

使用协议隐私政策广告服务

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