Ferramentas de IA avaliadas para o seu trabalho
Ganhe treinando IA
🤝 Você está na biblioteca Grátis & Open Source — ferramentas feitas pela comunidade que você pode usar sem pagar. Um conceito diferente do nosso diretório de IA avaliado.
Início › Grátis & Open Source › Medicina › nmed2024
✦ Grátis & open sourceMedicina

nmed2024

Framework de IA para diagnóstico diferencial de etiologias de demência em dados multimodais.

Framework de Diagnóstico de Demência por IA

Framework de deep learning para diagnóstico diferencial de etiologias de demência usando dados multimodais.

Grátis para sempre · open source · AGPL-3.0
✓ Needs IT✓ No navegador✓ Colaboração em tempo real
5.6
ZEKAI
Modelo de IA para demência da Nature Medicine
Grátis & open source · Medicina
Facilidade de configuração3
Utilidade9
Manutenção5.5
Comunidade5
★ 103
GITHUB
Jan 2026
ATUALIZADO
AGPL-3.0
LICENÇA
🛠 Não quer hospedar você mesmo? Nós configuramos para você →
⚡ Resposta rápida

Esta ferramenta fornece um framework de deep learning publicado na Nature Medicine para diagnosticar etiologias de demência. É adequada para pesquisadores clínicos e desenvolvedores de IA médica que trabalham com dados multimodais de pacientes e exames de ressonância magnética.

Funciona em
Cross-platform
Hospedagem
Self-host
Idiomas
Python
Licença
AGPL-3.0

O que é

Ele processa dados demográficos de nível individual, histórico de saúde, exames neurológicos e ressonâncias magnéticas de múltiplas sequências através de um modelo transformer. O framework classifica os indivíduos em treze categorias diagnósticas que abrangem cognição normal, comprometimento cognitivo leve e dez tipos de demência.

Para quem

É adequado para pesquisadores e cientistas de dados com acesso a coortes clínicas e infraestrutura de GPU que desejam executar classificação avançada de demência. Não é adequado para clínicos sem experiência técnica ou aqueles que não possuem a configuração necessária de Python e PyTorch.

Recursos principais

Fusão de Dados Multimodais

Combina dados demográficos, histórico de saúde, testes neurológicos e ressonâncias magnéticas em um único modelo transformer.

Embeddings de Ressonância Magnética Auto-Supervisionados

Extrai embeddings de imagem usando um codificador Swin UNETR ajustado com pesos pré-treinados auto-supervisionados.

Treze Categorias Diagnósticas

Classifica pacientes entre cognição normal, comprometimento cognitivo leve e dez tipos distintos de demência.

Demo Interativa no Huggingface

Fornece um espaço hospedado online para testar previsões diagnósticas sem instalação local.

Como começar

Pronto em 3 passos

1
Clone o repositório e instale o pacote usando pip install git+https://github.com/vkola-lab/nmed2024.git.
2
Prepare suas ressonâncias magnéticas usando os scripts de skull stripping fornecidos e gere embeddings de imagem com o Swin UNETR.
3
Configure seus caminhos de dados em um arquivo TOML e execute os scripts de treinamento ou previsão no repositório.
Falando sério

Nosso veredito honesto

Pontos fortes

  • Metodologia revisada por pares publicada na Nature Medicine baseada em 9 coortes distintas
  • Inclui código modular para extração de características de imagem e treinamento de transformer
  • Suporta configurações de entrada multimodal, bem como modos alternativos sem imagem
  • Fornece uma demo interativa acessível no Huggingface para testes em tempo real

Onde deixa a desejar

  • Requer configuração técnica significativa, incluindo dependências como Python, PyTorch, MONAI e TorchIO
  • Exige capacidade de hardware multi-GPU para treinar o extrator de características de imagem e a espinha dorsal do transformer
  • Requer arquivos de configuração TOML precisos para formatar corretamente características numéricas, categóricas e de imagem
Custo

Preços & licença

A ferramenta é gratuita sob sua licença open source, e uma demo interativa está hospedada no Huggingface, o que significa que o único custo financeiro é rodar seu próprio hardware e infraestrutura computacional.

Trabalho remunerado

Vagas para quem fala português

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.

Ver todas as vagas abertas →
Comparar

Alternativas

🎁 Alternativas grátis & open source

Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.

Saiba mais

Use, ou deixe que a gente configure

📄 PDF grátis: nmed2024 para Medicina
Um guia em linguagem simples para o seu primeiro resultado. Enviado ao seu e-mail.
🔔 64 pessoas querem um tutorial em vídeo completo — adicione seu voto
🛠 Não quer configurar você mesmo?
Nós instalamos, hospedamos e configuramos o nmed2024 para você — e treinamos sua equipe.
Deixe com a gente ↗
Perguntas

FAQ

Quais modalidades de dados o modelo suporta?

O modelo suporta dados demográficos, histórico de saúde, testes neurológicos, exames físicos e ressonâncias magnéticas de múltiplas sequências.

Como posso testar o modelo sem instalá-lo localmente?

Você pode usar a demo interativa do Huggingface Space hospedada pelos autores para explorar as previsões do modelo em tempo real.

Posso executar o modelo sem ressonâncias magnéticas?

Sim, você pode treinar e executar o modelo sem imagens usando a configuração da flag NonImg.

Radar

Últimas notícias de IA

✉️ O kit gratuito semanal
As melhores novas ferramentas grátis & open source para Medicina — um e-mail curto por semana, no seu idioma.
Grátis · 1 e-mail/semana · cancele quando quiser
Ganhe dinheiro treinando IA →

Veja o Zekai primeiro no Google