Project-MONAI/MONAI

**AI** 的**医**疗**开****放**网络  [](https://opensource.org/licenses/Apache-2.0) [](https://arxiv.org/abs/2211.02701) [](https://badge.fury.io/py/monai) [](https://hub.docker.com/r/projectmonai/monai) [](https://anaconda.org/conda-forge/monai) [](https://github.com/Project-MONAI/MONAI/actions/workflows/pythonapp.yml) [](https://github.com/Project-MONAI/MONAI/actions?query=branch%3Adev) [](https://monai.readthedocs.io/en/latest/) [](https://codecov.io/gh/Project-MONAI/MONAI) [](https://piptrends.com/package/monai) MONAI 是一个基于 [PyTorch](https://pytorch.org/) 的[开源](https://github.com/Project-MONAI/MONAI/blob/dev/LICENSE)深度学习医疗成像框架，是 [PyTorch 生态系统](https://pytorch.org/ecosystem/)的一部分。 其目标如下： - 发展一个由学术界、工业界和临床研究人员组成的社区，在共同的基础上进行合作； - 为医疗成像创建最先进的、端到端的训练工作流； - 为研究人员提供优化且标准化的方式来创建和评估深度学习模型。 ## 功能 - 针对多维医疗成像数据的灵活预处理； - 可组合且可移植的 API，便于轻松集成到现有工作流中； - 针对网络、损失函数、评估指标等的特定领域实现； - 为不同专业水平的用户提供可定制的设计； - 支持多 GPU 多节点数据并行。 ## 环境要求 MONAI 可在[当前支持的 Python 版本](https://devguide.python.org/versions)上运行，直接依赖于 NumPy 和 PyTorch，并包含许多可选依赖。 * MONAI 的主要版本会标明其对应的依赖版本。此代码库中 `dev` 分支的当前状态是 MONAI 的未发布开发版本，通常会支持当前版本的依赖，并包含相关的更新和错误修复。 * PyTorch 支持涵盖[当前版本](https://github.com/pytorch/pytorch/releases)以及之前的三个次要版本。如果 PyTorch 版本与其他依赖出现兼容性问题，对某个版本的支持可能会推迟到下一个主要版本发布时。 * 我们对其他依赖的支持政策在很大程度上遵循 [SPEC0](https://scientific-python.org/specs/spec-0000)，即在可能的情况下，对依赖版本的支持期长达两年。发现的漏洞或缺陷可能要求明确不支持某些特定版本。 * 有关依赖版本信息，请参阅 `requirements*.txt` 文件。 ## 安装说明 要安装[当前发布版本](https://pypi.org/project/monai/)，只需运行： ``` pip install monai ``` 有关其他安装选项，请参阅[安装指南](https://monai.readthedocs.io/en/latest/installation.html)。 ## 快速入门 [MedNIST 演示](https://colab.research.google.com/github/Project-MONAI/tutorials/blob/main/2d_classification/mednist_tutorial.ipynb)和[面向 PyTorch 用户的 MONAI](https://colab.research.google.com/github/Project-MONAI/tutorials/blob/main/modules/developer_guide.ipynb) 可在 Colab 上获取。 示例和 notebook 教程位于 [Project-MONAI/tutorials](https://github.com/Project-MONAI/tutorials)。 技术文档可在 [monai.readthedocs.io](https://monai.readthedocs.io) 获取。 ## Docker MONAI Docker 镜像可从 [Dockerhub](https://hub.docker.com/r/projectmonai/monai) 获取， `dev` 的最新状态标记为 `latest`，或标记为特定的发布版本。也可以使用 `Dockerfile.slim` 在本地构建精简版镜像， 有关说明请参阅该文件。 要开始使用最新的 MONAI，请使用 `docker run -ti --rm --gpus all projectmonai/monai:latest /bin/bash`。 ## 引用 如果您的研究中使用了 MONAI，请引用我们！引用信息可从此处导出：。 ## Model Zoo [MONAI Model Zoo](https://github.com/Project-MONAI/model-zoo) 是供研究人员和数据科学家分享社区中最前沿优秀模型的地方。 利用 [MONAI Bundle 格式](https://monai.readthedocs.io/en/latest/bundle_intro.html)，可以轻松[开始](https://github.com/Project-MONAI/tutorials/tree/main/model_zoo)使用 MONAI 构建工作流。 ## 社区 在 Twitter/X [@ProjectMONAI](https://twitter.com/ProjectMONAI)、[LinkedIn](https://www.linkedin.com/company/projectmonai) 上加入对话，或加入我们的 [Slack 频道](https://forms.gle/QTxJq3hFictp31UM9)。 在 [MONAI 的 GitHub Discussions 标签页](https://github.com/Project-MONAI/MONAI/discussions)上提问并解答问题。 ## 链接 - 网站： - API 文档（里程碑版本）： - API 文档（最新开发版）： - 代码： - 项目追踪： - Issue 追踪： - Wiki： - 测试状态： - PyPI 包： - conda-forge： - 每周预览版： - Docker Hub：

标签：PyTorch, 人工智能, 凭据扫描, 医疗影像, 开源框架, 持续集成, 深度学习, 用户模式Hook绕过, 请求拦截, 逆向工具