#医学图像

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。

GenerativeModels是MONAI项目的子项目，致力于医学影像生成模型的研究。它提供多种生成模型架构，如扩散模型和自编码器，以及医学影像专用的损失函数和评估指标。项目包含与MONAI兼容的训练引擎和丰富教程，支持研究人员进行图像合成、异常检测和超分辨率重建等任务。这些工具和资源有助于推进医学AI领域的发展。