Repolode
Project-MONAI

Project-MONAI/MONAI

Открытый фреймворк на базе PyTorch для глубокого обучения на медицинских изображениях: предобработка, нейросети, функции потерь и метрики.

Звёзды
8,786
Форки
1,671
Открытые issues
518
Последний коммит
22 часа назад

Что это?

MONAI — фреймворк для глубокого обучения на базе PyTorch, предназначенный для работы с медицинскими изображениями. Он рассчитан на исследователей и врачей, которым нужно создавать сквозные процессы обучения на многомерных медицинских изображениях, например 2D- и 3D-снимках, не собирая все компоненты с нуля.

Фреймворк предоставляет гибкие средства предобработки медицинских изображений, а также специализированные для этой области нейросети, функции потерь и метрики оценки. API MONAI построены по модульному принципу и рассчитаны на переносимость, поэтому компоненты можно подключать к существующему коду обучения на PyTorch. Также поддерживается параллельная обработка данных на нескольких GPU и узлах.

MONAI распространяется через PyPI, conda-forge и Docker Hub и включает формат Bundle для упаковки и обмена моделями. Учебные материалы и примеры ноутбуков поддерживаются в отдельном репозитории.

Ключевые возможности

  • 01Гибкая предобработка многомерных медицинских изображений
  • 02Специализированные нейросети, функции потерь и метрики оценки
  • 03Модульный и переносимый API для интеграции в существующие процессы обучения на PyTorch
  • 04Поддержка параллельной обработки данных на нескольких GPU и узлах
  • 05Формат MONAI Bundle для упаковки моделей и обмена ими

Сценарии использования

  • Обучение моделей сегментации или классификации на томограммах КТ или МРТ
  • Добавление специализированных для медицинской области функций потерь и метрик в существующий процесс обучения на PyTorch
  • Масштабирование обучения моделей на несколько GPU или узлов
  • Повторное использование и распространение предварительно обученных моделей в формате Bundle

Темы

Частые вопросы

Что такое MONAI?
Открытый фреймворк на базе PyTorch для глубокого обучения на медицинских изображениях: предобработка, нейросети, функции потерь и метрики. MONAI — фреймворк для глубокого обучения на базе PyTorch, предназначенный для работы с медицинскими изображениями. Он рассчитан на исследователей и врачей, которым нужно создавать сквозные процессы обучения на многомерных медицинских изображениях, например 2D- и 3D-снимках, не собирая все компоненты с нуля.
MONAI можно использовать бесплатно? Какая у него лицензия?
MONAI распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
MONAI всё ещё поддерживается?
Активно поддерживается. Последний коммит в MONAI — 17 окт. 2026 г..
Для чего можно использовать MONAI?
Обучение моделей сегментации или классификации на томограммах КТ или МРТ Добавление специализированных для медицинской области функций потерь и метрик в существующий процесс обучения на PyTorch Масштабирование обучения моделей на несколько GPU или узлов Повторное использование и распространение предварительно обученных моделей в формате Bundle
Где скачать MONAI?
Исходный код и инструкции по установке — на GitHub: https://github.com/Project-MONAI/MONAI

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

Модель восстановления лиц на PyTorch: улучшает повреждённые, некачественные и старые фотографии с помощью трансформера, который подбирает признаки из кодовой книги.

18,2 тыс.3,7 тыс.PythonOtherОбновлён 11 месяцев назад

Инструментарий с открытым исходным кодом от Unity, который позволяет обучать AI-агентов с помощью обучения с подкреплением и имитационного обучения в игровых и симуляционных средах.

19,8 тыс.4,5 тыс.C#OtherОбновлён 5 дней назад

Подборка стартовых проектов, которые показывают, как создавать готовые к развёртыванию приложения на Claude API: от агентов поддержки до агентов для работы с браузером и компьютером.

18,6 тыс.3,2 тыс.TypeScriptMITОбновлён 10 дней назад