R में 2D और 3D मेडिकल इमेज सेगमेंटेशन और ऑब्जेक्ट डिटेक्शन के लिए डीप लर्निंग।
DICOM और NIfTI फ़ाइलों के लिए R डेटा पाइपलाइन और PyTorch आर्किटेक्चर को आपस में जोड़ें
rplatypus, R मेडिकल इमेज हैंडलिंग पैकेज और PyTorch डीप लर्निंग मॉडल के बीच की खाई को पाटता है। यह DICOM और NIfTI जैसे फॉर्मेट के लिए ऑब्जेक्ट डिटेक्शन के साथ-साथ सिमेंटिक और इंस्टेंस सेगमेंटेशन प्रदान करता है.
यह पैकेज एक अलग PyTorch इंजन का उपयोग करके सीधे R से डीप लर्निंग मॉडल विनिर्देशों, फिटिंग और मास्क प्लॉटिंग को संभालता है। इसमें तुलनीय मूल्यांकन मेट्रिक्स के साथ U-Net और LinkNet जैसे आर्किटेक्चर के लिए इन-बिल्ट सपोर्ट है।
यह मेडिकल इमेजिंग डेटासेट के साथ काम करने वाले R उपयोगकर्ताओं के लिए उपयुक्त है जो अपने एनवायरनमेंट को छोड़े बिना डीप लर्निंग चलाना चाहते हैं। यह उन लोगों के लिए उपयुक्त नहीं है जिन्हें बड़े Python डिपेंडेंसी को डाउनलोड किए बिना प्री-कॉन्फ़िगर सेटअप की आवश्यकता होती है।
अलग थल-आधारित Python इंजन के माध्यम से गणना करते समय पूरी तरह से R में डीप लर्निंग पाइपलाइन चलाएं।
2D और NIfTI विनिर्देशों में मानक मेडिकल इमेजिंग फॉर्मेट को मूल रूप से प्रोसेस करें।
मॉडल त्रुटियों का निरीक्षण करने के लिए कस्टम कलरमैप के साथ ग्राउंड ट्रूथ मास्क के खिलाफ भविष्यवाणियों की कल्पना करें।
The only cost is running it yourself, as the licence is not stated in the repository metadata.
877 खुले रिमोट AI-ट्रेनिंग रोल, 16 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
नहीं, पैकेज पहली कॉल पर अपने pyplatypus इंजन को स्वचालित रूप से इंस्टॉल और आइसोलेट कर लेता है।
नहीं, यह TensorFlow के बजाय PyTorch पर चलने वाला एक पूर्ण पुनर्सृजन (rewrite) है।
Google में Zekai को सबसे पहले देखें