Project MONAI

医学开放人工智能网络

MONAI 是一个基于 PyTorch 的开源框架，用于医疗影像领域的深度学习，是 PyTorch 生态系统的一部分。

其目标包括

• 建立一个学术、工业和临床研究人员共同合作的社区，在共同基础上开展工作；

• 创建用于医疗影像的最先进的端到端训练工作流程；

• 为研究人员提供一种优化且标准化的方式来创建和评估深度学习模型。

特性

• 灵活的多维医疗影像数据预处理；

• 可组合和可移植的 API，便于集成到现有工作流程中；

• 针对网络、损失函数、评估指标等的领域特定实现；

• 可定制的设计，适用于不同用户专业水平；

• 支持多 GPU 多节点数据并行。

开始使用

MedNIST 演示 和 适用于 PyTorch 用户的 MONAI 可在 Colab 上使用。

示例和 Notebook 教程位于 Project-MONAI/tutorials。

技术文档可在 docs.monai.io 获取。

特性亮点

• 新增功能
• 亮点

API 参考

• API 参考

安装

• 安装指南

精度与加速

• 精度与加速

贡献

• 开发

规范

• Bundle
• 延迟重采样

模型动物园

MONAI 模型动物园 是研究人员和数据科学家分享社区最新优秀模型的地方。利用 MONAI Bundle 格式，可以轻松开始使用 MONAI 构建工作流程。

链接

• 网站：https://monai.org.cn/

• API 文档（里程碑）：https://docs.monai.org.cn/

• API 文档（最新开发版）：https://docs.monai.org.cn/en/stable/

• 代码：Project-MONAI/MONAI

• 项目跟踪：Project-MONAI/MONAI

• 问题跟踪：Project-MONAI/MONAI#issues

• 更新日志：Project-MONAI/MONAI

• Wiki：Project-MONAI/MONAI

• 常见问题解答：Project-MONAI/MONAI

• 测试状态：Project-MONAI/MONAI

• PyPI 包：https://pypi.ac.cn/project/monai/

• conda-forge：https://anaconda.org/conda-forge/monai

• 每周预览：https://pypi.ac.cn/project/monai-weekly/

• Docker Hub：https://hub.docker.com/r/projectmonai/monai

索引和表格

• 索引

• 模块索引