MONAI是一个基于PyTorch的开源平台，专注于医疗影像的深度学习。它提供灵活的数据预处理、易于集成的API、领域特定的网络和评估指标，并支持多GPU和多节点数据并行。MONAI旨在为学术、工业和临床研究者提供优化和标准化的模型创建和评估工具，促进跨领域合作。

本资源库包含详尽的MONAI教程，涵盖2D和3D分类、分割、回归及配准任务实例。教程演示如何使用Matplotlib和Jupyter Notebook在PyTorch和MONAI中进行医学图像处理和深度学习操作，并提供Colab环境下的GPU加速指南及数据处理和问题解决方法。教程还介绍了模型部署、实验管理、联邦学习和数字病理学实例，帮助用户掌握和应用MONAI功能。

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。

MONAI Research Contributions平台展示了使用MONAI进行的前沿医学影像研究。该平台展示MONAI的实际应用，为研究人员提供展示机会。平台接受经同行评审的研究贡献，要求大量使用MONAI组件并提供一键复现结果的脚本。这种方式为展示尖端研究提供快速通道，同时确保代码质量和版本兼容性。