Repolode
提交项目
Project-MONAI

Project-MONAI/MONAI

基于 PyTorch 的开源医学影像深度学习框架，覆盖数据预处理、网络、损失函数与评估指标。

在 GitHub 查看官网
Star
8,786
Fork
1,671
未关闭 Issue
518
最近提交
21小时前

这是什么？

MONAI 是基于 PyTorch 构建的医学影像深度学习框架，面向需要搭建端到端训练流程的研究人员和临床研究者。它支持处理二维、三维等多维医学影像数据，省去从零组装各个组件的工作。

框架提供灵活的医学影像预处理功能，并内置面向该领域的网络结构、损失函数和评估指标。其 API 采用可组合、可移植的设计，组件可以直接嵌入已有的 PyTorch 训练代码中，同时支持多 GPU 和多节点数据并行。

项目可通过 PyPI、conda-forge 和 Docker Hub 安装，并提供用于打包和共享模型的 Bundle 格式。教程和示例 notebook 维护在独立的仓库中。

核心功能

  • 01针对多维医学影像数据的灵活预处理
  • 02内置面向医学影像领域的网络、损失函数和评估指标
  • 03可组合、可移植的 API，便于接入已有 PyTorch 工作流
  • 04支持多 GPU 与多节点数据并行
  • 05提供 MONAI Bundle 格式，用于打包和共享模型

适用场景

  • 在 CT 或 MRI 三维影像上训练分割或分类模型
  • 向已有 PyTorch 训练流程中加入医学领域的损失函数和指标
  • 在多 GPU 或多节点上扩展模型训练
  • 通过 Bundle 格式复用和共享预训练模型

标签

#deep-learning#pytorch#medical-imaging#healthcare#image-segmentation#python#computer-vision#healthcare-imaging#medical-image-computing#medical-image-processing

常见问题

MONAI 是什么？
基于 PyTorch 的开源医学影像深度学习框架，覆盖数据预处理、网络、损失函数与评估指标。 MONAI 是基于 PyTorch 构建的医学影像深度学习框架，面向需要搭建端到端训练流程的研究人员和临床研究者。它支持处理二维、三维等多维医学影像数据，省去从零组装各个组件的工作。
MONAI 可以免费使用吗？用的什么许可证？
MONAI 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
MONAI 还在维护吗？
活跃维护中。MONAI 最近一次提交是在 2026年10月17日。
MONAI 适合用来做什么？
在 CT 或 MRI 三维影像上训练分割或分类模型 向已有 PyTorch 训练流程中加入医学领域的损失函数和指标 在多 GPU 或多节点上扩展模型训练 通过 Bundle 格式复用和共享预训练模型
在哪里获取 MONAI？
源代码和安装说明在 GitHub 上：https://github.com/Project-MONAI/MONAI

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目