Nitrain是一个高层次的Python库，用于简化医学图像采样和增强，支持多个框架（如Torch、TensorFlow、Keras）。该项目旨在简化医疗成像AI模型的训练过程，通过详细教程和文档，用户可以迅速上手并进行模型的训练和可视化。Nitrain提供合理的默认设置，使得模型训练变得更加简单，并且支持多个依赖包如ANTS。

Medical-SAM2是一个开源的医学图像分割模型，基于SAM2框架开发。该模型支持2D和3D医学图像分割，适用于REFUGE眼底图像和BTCV腹部多器官等数据集。项目提供环境配置、数据准备和训练步骤指南，以及预训练权重。Medical-SAM2为医学图像分析研究提供了实用的工具和资源。

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。

XrayGLM是一个用于解读胸部X光片的中文医疗多模态模型，结合图像识别和自然语言处理技术分析X光影像并生成诊断报告。该模型基于MIMIC-CXR和OpenI数据集训练，支持影像诊断和多轮对话交互，为医疗影像诊断提供智能辅助。XrayGLM的开发促进了中文医学多模态模型的研究进展。

本项目汇总了医学影像领域基础模型相关的研究文献和资源。内容涵盖文本提示模型和视觉提示模型两大类,包括对比学习、对话式、生成式等多种模型。项目提供论文标题、作者、发表时间和链接等详细信息。这一资源集合为医学影像基础模型研究提供了全面的参考材料。

DiffTumor项目提出了一种新颖的跨器官早期肿瘤合成方法。该方法基于扩散模型,通过学习胰腺早期肿瘤特征,可合成肝脏和肾脏的早期小肿瘤。研究发现不同腹部器官的早期小肿瘤在影像学上具有相似性。该方法经放射科医生评估和AI算法测试,证实了其在肿瘤检测任务中的有效性。DiffTumor为医学影像领域的数据增强和跨器官肿瘤检测开辟了新思路。

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。

SyntheticTumors项目开发了创新策略生成合成肝脏肿瘤数据，用于训练AI模型。研究发现，使用合成肿瘤数据训练的模型在真实肿瘤分割任务中表现优于使用真实肿瘤数据训练的模型。项目提供了多个合成肿瘤示例，展示了其与真实肿瘤的视觉相似性。这种方法为医学影像分析和AI辅助诊断提供了新的研究方向。

ITK是专门用于N维科学图像处理、分割和配准的开源跨平台工具包。它为医学图像处理、计算机视觉等领域提供了强大的分析功能。ITK同时支持C++和Python编程，拥有丰富的文档和示例资源，适用于教学、科研及商业应用。该项目获得NumFOCUS赞助，采用Apache 2.0开源许可证发布。

OHIF Viewer是开放健康影像基金会开发的医学影像Web查看器。这款可配置、可扩展的应用支持DICOMweb标准，提供2D、3D渲染、注释和测量等功能。它支持国际化和离线使用，具有广泛的定制选项，适用于多种医学影像工作流程。作为开源项目，OHIF Viewer受到学术界和商业机构的广泛应用。

NVIDIA AI辅助标注客户端是一个跨平台的C++/Python API项目,用于与AI辅助标注服务器通信。支持Linux、macOS和Windows,提供MITK和3D Slicer插件。采用客户端-服务器架构,可集成到医学影像应用中,实现3D DEXTR、分割和多边形修复等功能,提升医学影像标注效率。

UNet++是一种改进的医学图像分割架构，通过重新设计跳跃连接和密集连接解码器，解决了U-Net的架构深度和连接设计问题。项目提供Keras和PyTorch实现，并获得多个第三方支持。UNet++在医学图像分割任务中表现优异，为研究提供了有力工具。该项目已在GitHub开源，欢迎研究者使用和贡献。

本项目汇集了深度学习在结肠镜息肉检测和分类领域的前沿研究。内容涵盖息肉检测定位、分类及同步检测分类三大方向,并提供数据集信息、深度学习架构和性能指标等技术细节。这些研究成果有望提升结肠癌筛查的准确度和效率,推动相关临床应用的发展。

Dicoogle是一款开源、跨平台的PACS归档软件，采用灵活的索引和检索机制替代传统中央数据库。它能自动处理医学影像元数据，包括私有DICOM标签，无需重新设计。软件提供强大的插件系统，支持功能扩展，广泛应用于医学影像教学、研究和临床领域。

AlizaMS是一款功能全面的DICOM查看器，集成2D和3D视图、体积渲染和多平面重建等核心功能。它具备快速目录扫描和DICOMDIR文件处理能力，同时保证DICOM数据的一致性匿名化。该软件支持RTSTRUCT轮廓显示、多视图研究和超声校准区域精确测量。AlizaMS还提供2D+t和3D+t动画效果，内置DICOM元数据查看器和2024b字典。软件兼容多数IOD类型，包括结构化报告和灰度软拷贝呈现状态。

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。

Cornerstone3D是一套用于开发Web医疗影像应用的JavaScript库。该框架采用WebGL和WebAssembly技术，实现高效图像渲染和解压缩。它允许自定义加载方案，便于连接各类图像存档。Cornerstone3D是一个开源项目，主要服务于放射学领域，支持DICOMweb标准，可用于构建OHIF Viewer等医疗影像应用。

该项目汇集医学影像多模态学习应用资源，涵盖数据集、综述、报告生成、视觉问答和视觉语言模型等。内容包括大语言模型相关论文，并提供最新论文和代码链接。资源库定期更新，收录超过100篇高质量论文，为医学影像多模态研究提供重要参考。

Fellow Oak DICOM是一个基于.NET Standard 2.0的开源DICOM库。它具有异步API、多种图像压缩支持、大型数据集处理能力,以及图像渲染、数据导出导入和匿名化等功能。该库还实现了DICOM服务,并支持通过依赖注入容器进行组件自定义。Fellow Oak DICOM为医学影像数据处理提供了全面而灵活的工具集。