医学影像分析

PixelLLM 是一个基于大型多模态模型（LMM）的研究项目，专注于像素级的图像理解和定位任务。它能够为图像中特定位置提供详细描述，并准确定位这些位置。该项目由 Google Research 和 UC San Diego 的研究人员合作开发，旨在探索大型语言模型如何从视觉输入中获得空间理解和推理能力。PixelLLM 在 RefCOCO 和 Visual Genome 数据集上达到了最先进的性能，特别是在引用定位和密集对象字幕任务中表现出色。

Skywork-R1V 是一个先进的AI模型，通过38B参数实现文本与视觉推理能力的融合。它采用轻量级视觉适配器和三阶段训练方法，支持复杂数学问题解决和医学影像分析等场景。该模型在多个基准测试中表现出色，如MATH-500和MathVista，性能可能与闭源大型模型相当。

该项目提供了一套用于下载和加载脑部肿瘤MRI数据集的Python工具，包含2D切片、肿瘤掩码和肿瘤分类数据，适用于医学影像分析、机器学习模型训练与测试、脑部肿瘤检测算法的研究与开发、医学影像数据集的预处理以及教育和学术研究。

Aidoc是一个旨在通过先进的AI影像分析提升放射学效率的工具，帮助放射科医生实时检测和优先处理急性异常，从而加快诊断和治疗决策。

arivis Cloud是一个配备AI工具包的平台，允许研究人员训练AI模型，自动化和自定义他们的图像处理任务。用户可以注册账户，上传图像或数据，使用AI工具包选择所需任务，训练AI模型或应用预训练模型，定制工作流程，自动化图像处理。

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。

med-flamingo是一个基于OpenFlamingo-9B和LLaMa-7B构建的模型，能够在医学领域执行少样本的视觉问答任务。该项目结合了CLIP ViT/L-14视觉编码器，并使用约4.7K本医学教科书进行训练，包含0.8M张图像和548M个token，支持1.6M个图像字幕对的生物医学数据集。

SKY ENGINE AI 是一个前沿平台，专为数据科学家、AI开发者和研究人员设计，利用合成数据进行视觉AI深度学习。它能够在虚拟环境中生成和训练定制的AI模型，适用于汽车、医疗和国防等需要高保真视觉数据模拟的领域。

Gradio是一个强大的工具，旨在简化机器学习应用的构建和共享，提供用户友好的网络界面，使得任何人都能轻松与机器学习模型互动，无需复杂的编码知识。

利用医学图片训练开源CLIP模型，以实现医学图像检索，支持多种图像格式和高效的图像与文本匹配，具有强大的可扩展性，适用于各种医学应用场景。

Infini-Megrez是全球首个端侧全模态理解模型，能够同时处理图像、音频和文本数据，具备强大的多模态理解能力。该模型以其高精度、高速度和简单易用性为核心价值，支持场景理解、OCR、中英文语音输入及多轮对话等功能，适用于多种复杂场景下的数据理解和分析。

VGSE是一个用于零样本学习的工具，利用视觉基础的语义嵌入技术，能够在没有标记示例的情况下进行图像分类和视觉数据的语义理解。

Lunit Inc. 是一家利用人工智能开发癌症筛查和治疗先进技术的公司。其AI解决方案能够实现癌症的早期检测和治疗反应预测，最终拯救生命。

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。