医学影像分割的深度学习工具箱，开箱即用，能自动配置训练流程，在 CT、MRI 等 3D 数据上达到竞赛级精度。

基于 PyTorch 的医学影像深度学习工具包，提供数据加载、预处理、网络结构和评估等组件，帮研究者快速搭建医疗影像 AI 流程。

汇总深度学习、强化学习、计算机视觉和 NLP 等方向的优质公开课与讲座资源，适合系统入门或查漏补缺。

Python 生态最常用的图像处理库，支持打开、转换、裁剪、滤镜等常见操作，是 PIL 的活跃维护分支。

基于 Keras 实现的 U-Net 图像分割模型，提供训练与推理代码，适合医学影像等像素级分割任务的快速复现与二次开发。

一套用于构建 Web 医学影像应用的 JavaScript 库，提供渲染、分割等基础能力，方便开发放射科阅片类应用。

跨平台开源医学影像可视化与计算软件，支持CT、神经影像等数据处理，可用于图像引导治疗和3D打印建模。

面向医学影像的智能标注与主动学习工具，在 3D Slicer 等客户端里边标注边训练模型，减少人工勾画工作量。

开源三维医学影像重建软件，可读取 DICOM 与断层扫描数据，完成分割并生成三维模型，用于术前规划与影像分析。

DIPY 是 Python 的 3D/4D 医学影像处理库，覆盖扩散、灌注与结构成像，提供配准、去噪、机器学习和可视化等通用方法。

用扩散模型做医学图像器官分割与重建，把去噪扩散思路引入分割任务，适合医学影像研究和训练微调。

基于 9262 例 CT 体积和 25 个标注类别预训练的 3D 医学影像模型，可直接用于腹部器官分割等下游任务，省去从零训练。

用生成模型合成带标注的肝脏肿瘤 CT 图像，无需人工标注即可训练分割模型，缓解医学影像标注成本高的问题。

十秒内为 PyTorch 医学影像模型搭好完整实验流水线，覆盖分类、检测、分割等任务，省去重复搭建训练流程的麻烦。

基于 CUDA 的 GPU 加速图像处理库，专为多维图像和数字病理、显微成像等大规模图像分析场景提速。

基于结构感知的稀疏视角 X 射线三维重建工具箱，用 Transformer 和 NeRF 从少量 X 光片重建 CT 体积并合成新视角，降低辐射采样需求。

用辐射高斯泼溅做 X 射线新视角合成，只需少量稀疏视角就能快速重建 CT 三维结构，比 NeRF 类方法更高效。

AbdomenAtlas 3.0 提供 9262 例腹部 CT 及配套医学报告，报告比人工书写更准、更细、更规范且生成更快，可用于训练和评测病灶分割与视觉语言模型。

基于基础模型的医学图像分析代码库，涵盖MAE预训练、Mamba状态空间模型、视觉语言模型与医学报告生成，为医学影像研究提供可复用的模型实现。

汇总扩散模型在医学影像领域的论文与资源，覆盖去噪、重建和生成任务，方便快速跟进 DDPM、NCSN 等方法的进展。

汇总图像配准相关的书籍、论文、视频和工具箱，覆盖医学影像、遥感图像、点云配准与SLAM等方向，方便快速查找资料和工具。