C2FViT是一个用于医学图像配准的项目，采用粗到细的注册方法，利用变换器架构提高图像对齐的精度，适用于医疗应用中的图像处理。
使用加速的极大极小化方法进行非刚性配准，具有抵抗噪声和伪影的能力。
SegViT是一个基于纯视觉变换器的语义分割项目，旨在提高图像分割任务的效率和性能。它能够处理多种图像分割任务，适应不同的应用场景，为研究人员和开发者提供了强大的工具。
Endimension是一个先进的AI工具，旨在通过提高诊断准确性、改善工作流程效率和减少放射科医生的疲劳来改变放射学领域。由IIT的专家开发，并获得重大投资支持，Endimension服务于超过350个影像中心的百万患者，完美融入现有放射学工作流程，提供预测诊断和AI驱动的报告，以现代化医疗实践。
这是一个用于Automatic1111/stable-diffusion-webui的Control Net扩展的深度图生成库，提供了优化的性能和用户友好的接口。
一个致力于医学应用的视觉语言模型集合，旨在解决通用模型在医学领域的挑战，并与专家分割和分类模型集成。
