Accueil Projets Medical-Transformer
Medical-Transformer
Python

Medical-Transformer

Code Pytorch officiel pour "Medical Transformer: Gated Axial-Attention for Medical Image Segmentation" - MICCAI 2021

par jeya-maria-jose · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
attentiondeep-learningmedical-image-analysisMITPython
Voir sur GitHub
En termes simples

Exécutez des modèles de segmentation d'images médicales pour analyser et traiter des images médicales en utilisant des techniques d'apprentissage profond.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
Medical-Transformer — GitHub preview card
📈 Historique des étoiles
862861
2026-07-202026-08-31
📈 Suivez Medical-Transformer

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Code Pytorch officiel pour "Medical Transformer: Gated Axial-Attention for Medical Image Segmentation" - MICCAI 2021

Medical-Transformer compte 861 étoiles sur GitHub. Il a été forké 177 fois. Medical-Transformer est écrit principalement en Python. Il est développé activement depuis 2021. Medical-Transformer est disponible sous licence MIT. Ses principaux thèmes sont : attention, deep-learning, medical-image-analysis, medical-imaging.

Frequently asked questions

Qu'est-ce que Medical-Transformer ?

Code Pytorch officiel pour "Medical Transformer: Gated Axial-Attention for Medical Image Segmentation" - MICCAI 2021

Medical-Transformer est-il open source ?

Medical-Transformer est un projet open source. Il est distribué sous licence MIT.

Medical-Transformer est-il gratuit ?

Oui. Medical-Transformer est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est Medical-Transformer ?

Medical-Transformer est disponible sous licence MIT.

Dans quel langage Medical-Transformer est-il écrit ?

Medical-Transformer est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — Medical-Transformer

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=jeya-maria-jose-medical-transformer)](https://olud.ai/project/jeya-maria-jose-medical-transformer.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
medicaltorch
Un cadre d'imagerie médicale pour Pytorch
872 · computer-vision
partagemedical-imaging
Deep-Learning-for-Medical-Applications
Articles sur l'apprentissage profond en analyse d'images médicales
1.6k · awesome-list
partagemedical-imaging
nitrain
Entraînez des modèles IA efficacement sur des images médicales en utilisant n'importe quel fram…
1.9k · deep-learning
partagemedical-imaging
OpenMythos
Une reconstruction théorique de l'architecture Claude Mythos, construite à partir de premiers p…
14.7k · ai
partageattention
scenic
Scenic : Une bibliothèque Jax pour la recherche en vision par ordinateur et au-delà
3.8k · attention
partageattention
self-attention-cv
Mise en œuvre de divers mécanismes d'auto-attention axés sur la vision par ordinateur. Dépôt en…
1.2k · artificial-intelligence
partageattention
performer-pytorch
Une implémentation de Performer, un transformateur basé sur l'attention linéaire, en Pytorch.
1.2k · artificial-intelligence
partageattention
MedNeXt
[MICCAI 2023] MedNeXt est une architecture entièrement ConvNeXt pour la segmentation d'images m…
519 · convnext
partagemedical-image-analysis
lambda-networks
Implémentation de LambdaNetworks, une nouvelle approche de la reconnaissance d'images qui attei…
1.5k · artificial-intelligence
partageattention
transfusion-pytorch
Implémentation Pytorch de Transfusion, "Prédire le prochain token et diffuser des images avec u…
1.4k · artificial-intelligence
partageattention

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.