Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Médecine › Deep-Learning-for-Medical-Applications
✦ Libre & open sourceMédecine

Deep-Learning-for-Medical-Applications

Une liste organisée d'articles sur le deep learning pour l'analyse d'images médicales, classés par technique et modalité.

Articles de Deep Learning pour l'Imagerie Médicale

Index de littérature organisé pour les chercheurs travaillant sur l'analyse d'images médicales et l'informatique de santé.

Gratuit pour toujours · open source · GPL-3.0
✓ Prêt à l'emploi✓ Dans le navigateur✓ Collaboration en temps réel
3.9
ZEKAI
Liste de lecture essentielle en DL médical.
Libre & open source · Médecine
Facilité d'installation0
Utilité7
Maintenance2
Communauté6.5
★ 1,612
GITHUB
Apr 2022
MIS À JOUR
GPL-3.0
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

Ce dépôt fournit une bibliographie structurée d'articles évalués par des pairs sur le deep learning appliqué au domaine médical, publiés depuis 2015. Il est conçu pour les chercheurs et les ingénieurs souhaitant naviguer dans la littérature à travers des techniques telles que les CNN et les RNN.

Fonctionne sur
Web
Hébergement
Desktop
Langues
TeX
Licence
GPL-3.0

Qu'est-ce que c'est

Le dépôt classe systématiquement les articles de premier plan issus de conférences et de revues telles que MICCAI, IEEE-TMI et MedIA. Chaque entrée est étiquetée avec sa technique de deep learning, sa modalité d'imagerie, son domaine d'intérêt, sa base de données clinique et sa source de publication.

Pour qui

Il convient aux chercheurs en IA et aux étudiants diplômés qui débutent dans le domaine de l'imagerie médicale et ont besoin d'un point de départ filtré pour leurs revues de littérature. Il ne convient pas aux cliniciens recherchant un logiciel de point de soins ni aux développeurs cherchant du code de modèle prêt pour la production.

Fonctionnalités clés

Classification par technique

Les articles sont catégorisés par architectures de réseaux de neurones, notamment les CNN, FCN et autoencoders.

Étiquetage par modalité

Les études sont indexées par types d'imagerie tels que l'IRM, le CT, l'échographie et l'histologie H&E.

Cartographie des bases de données cliniques

Les entrées renvoient à des jeux de données standard tels que LIDC-IDRI, ADNI et AMIDA le cas échéant.

Métadonnées des lieux de publication

Comprend les revues et conférences sources avec les années de publication à partir de 2015.

Comment démarrer

Opérationnel en 3 étapes

1
Clonez ou consultez le dépôt directement sur GitHub pour accéder aux fichiers source Markdown.
2
Parcourez la table des matières pour trouver votre technique de deep learning ou application médicale spécifique.
3
Vérifiez les bases de données liées et les titres des articles pour trouver les études évaluées par des pairs pertinentes.
Franchement

Notre verdict honnête

Ses atouts

  • Première liste organisée complète connue dédiée au deep learning dans les applications médicales.
  • Filtre la littérature générale en vision par ordinateur pour se concentrer uniquement sur les tâches d'imagerie clinique.
  • Associe directement les articles aux bases de données cliniques de référence pour la reproductibilité.
  • Classe les études par modalités d'imagerie spécifiques telles que l'IRM, le CT et les rayons X.

Ses limites

  • Il s'agit purement d'une liste de littérature statique sans code exécutable ni modèles fournis.
  • Nécessite un effort manuel pour localiser les liens PDF externes et les dépôts externes.
  • La maintenance dépend des contributions de la communauté pour rester à jour avec la littérature récente.
Coût

Tarifs & licence

Gratuit sous sa licence, sans option hébergée payante puisqu'il s'agit d'un dépôt de documentation statique.

Travail rémunéré

Missions pour francophones

877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.

Voir tous les postes ouverts →
Comparer

Alternatives

Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.

Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : Deep-Learning-for-Medical-Applications pour Médecine
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons Deep-Learning-for-Medical-Applications pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

S'agit-il d'une bibliothèque logicielle ?

Non, il s'agit d'une collection organisée d'articles de recherche et de métadonnées, et non d'une base de code exécutable.

Comment les articles sont-ils sélectionnés ?

Les articles sont collectés à partir de revues évaluées par des pairs et de conférences à haute réputation publiées depuis 2015.

Puis-je contribuer de nouveaux articles ?

Oui, les contributions via des pull requests pour ajouter de nouvelle littérature répondant aux critères sont les bienvenues.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Médecine — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google