Um framework PyTorch para segmentação de imagens médicas 2D e 3D multi-modais.
Framework de deep learning em PyTorch para segmentação de imagens médicas 3D multi-modais
MedicalZooPytorch é uma biblioteca open-source de deep learning projetada para segmentação de imagens médicas 2D e 3D multi-modais. Atende pesquisadores e desenvolvedores que trabalham com exames de ressonância magnética cerebral, datasets de desafios e dados médicos volumétricos em PyTorch.
Implementa arquiteturas 3D padrão como U-Net3D, V-Net, ResNet3D-VAE e DenseVoxelNet, juntamente com carregadores de dados para datasets de benchmark como BraTS, iSeg e MRBrains. O projeto também fornece pipelines de pré-processamento, suporte a matriz de confusão e modelos opcionais de classificação e segmentação para COVID-19.
Atende pesquisadores e pós-graduandos familiarizados com PyTorch que precisam de arquiteturas de referência para imagem médica volumétrica. Não atende clínicos que buscam um software de visualização ou diagnóstico clínico pronto para uso sem conhecimento de programação.
Inclui implementações de U-Net3D, V-Net, DenseVoxelNet, HighResNet3D e HyperDense-Net.
Fornece carregadores de dados para os datasets de desafios BraTS 2018/2019, iSeg, MRBrains, IXI e Gleason.
Inclui modelos e referências de datasets para classificação de radiografia torácica e segmentação pulmonar de COVID-19.
Oferece notebooks de início rápido permitindo executar modelos em GPUs na nuvem gratuitamente.
O software é gratuito sob sua licença MIT. Não há opções hospedadas pagas fornecidas pelos mantenedores, portanto, seus únicos custos envolvem hardware local ou recursos de computação de GPU em nuvem.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
O framework inclui carregadores de dados para iSeg 2017/2019, MICCAI BraTS 2018/2019, MRBrains 2018, IXI e o desafio Gleason do MICCAI 2019.
Sim, você pode usar o notebook do Google Colab fornecido para executar o projeto usando um dispositivo de GPU na nuvem.
MedicalZooPytorch é construído inteiramente em PyTorch e requer Python.
Veja o Zekai primeiro no Google