MONAI
1.4.0
MONAI est un framework open source basé sur PyTorch pour l'apprentissage profond en imagerie médicale, qui fait partie de l'écosystème PyTorch. Ses ambitions sont les suivantes :
Développer une communauté de chercheurs académiques, industriels et cliniques collaborant sur un socle commun ;
Créer des flux de formation de pointe et de bout en bout pour l'imagerie médicale ;
Fournir aux chercheurs un moyen optimisé et standardisé de créer et d’évaluer des modèles d’apprentissage profond.
Veuillez consulter les points forts techniques et les nouveautés des versions marquantes.
prétraitement flexible pour les données d'imagerie médicale multidimensionnelles ;
API compositionnelles et portables pour faciliter l'intégration dans les flux de travail existants ;
implémentations spécifiques à un domaine pour les réseaux, les pertes, les mesures d'évaluation et plus encore ;
conception personnalisable pour varier l'expertise des utilisateurs ;
Prise en charge du parallélisme de données multi-GPU et multi-nœuds.
Pour installer la version actuelle, vous pouvez simplement exécuter :
pip installer monai
Veuillez vous référer au guide d'installation pour d'autres options d'installation.
La démo MedNIST et MONAI pour les utilisateurs de PyTorch sont disponibles sur Colab.
Des exemples et des didacticiels de blocs-notes se trouvent sur Project-MONAI/tutorials.
La documentation technique est disponible sur docs.monai.io.
Si vous avez utilisé MONAI dans vos recherches, merci de nous citer ! La citation peut être exportée depuis : https://arxiv.org/abs/2211.02701.
Le MONAI Model Zoo est un lieu permettant aux chercheurs et aux data scientists de partager les derniers et excellents modèles de la communauté. L'utilisation du format MONAI Bundle facilite la création de flux de travail avec MONAI.
Pour obtenir des conseils sur la manière d'apporter une contribution à MONAI, consultez les directives de contribution.
Rejoignez la conversation sur Twitter/X @ProjectMONAI ou rejoignez notre chaîne Slack.
Posez et répondez aux questions sur l'onglet Discussions GitHub de MONAI.
Site Web : https://monai.io/
Documentation API (jalon) : https://docs.monai.io/
Documentation API (dernier développement) : https://docs.monai.io/en/latest/
Code : https://github.com/Project-MONAI/MONAI
Suivi du projet : https://github.com/Project-MONAI/MONAI/projects
Suivi des problèmes : https://github.com/Project-MONAI/MONAI/issues
Wiki : https://github.com/Project-MONAI/MONAI/wiki
Statut du test : https://github.com/Project-MONAI/MONAI/actions
Paquet PyPI : https://pypi.org/project/monai/
conda-forge : https://anaconda.org/conda-forge/monai
Aperçus hebdomadaires : https://pypi.org/project/monai-weekly/
Docker Hub : https://hub.docker.com/r/projectmonai/monai
