MONAI 项目

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

• 构建一个由学术界、工业界和临床研究人员组成的社区，在共同基础上进行协作；

• 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

• 灵活的多维医学影像数据预处理；

• 可组合且可移植的 API，方便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；

• 针对不同用户专业水平的可定制设计；

• 支持多 GPU 多节点数据并行。

入门

MedNIST 演示和面向 PyTorch 用户的 MONAI 在 Colab 上提供。

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

技术文档可在 docs.monai.io 查看。

特性亮点

• 新特性
• 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
• Lazy Resampling

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模型的场所。利用MONAI Bundle 格式可以轻松地开始构建 MONAI 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：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