Tina姐的博客

用于对 CT 图像中超过 117 个类别进行分割的工具。它接受了各种不同 CT 图像（不同扫描仪、机构、协议等）的训练，因此应该适用于大多数图像。大部分训练数据集可以从Zenodo下载（1228 个主题）。您还可以在totalsegmentator.com上在线试用该工具。是在大型数据集上使用nnUNet V2训练的一个AI模型，可以在CT数据上自动分割全身117个器官（见文末）！同时还可以分割部分血管，脑出血，胸腔积液等（后面会介绍）。

这是 MedSAM 的官方 3D Slicer 插件存储库，可用于在医学图像中分割任何物体。什么是MedSAM:点击查看这篇文章【添加文章】查看分割演示👇添加视频文中涉及到的视频前往VX查看到这里各位学会了吗😜这可能是目前唯一一个教程Tina姐没有实践就发出来的（在老家无法连接服务器）。没关系，我们提供了文字+视频版教程，相信聪明的你一定可以！文章持续更新，可以关注微公【医学图像人工智能实战营】获取最新动态，一个关注于医学图像处理领域前沿科技的公众号。坚持以实践为主，手把手带你做项目，打比赛，写论文。

医学图像分割是临床实践中的一个关键组成部分，有助于准确诊断、治疗计划和疾病监测。然而，现有的方法通常针对特定的模式或疾病类型，在各种医学图像分割任务中缺乏可推广性。在这里，我们介绍了MedSAM，这是一个基础模型，旨在通过实现通用医学图像分割来弥合这一差距。该模型是在大型医学图像数据集上开发的，有1570263对图像-掩码对，涵盖10种成像模式和30多种癌症类型。我们对86个内部验证任务和60个外部验证任务进行了全面评估，证明了比模态专家模型更好的准确性和稳健性。

本系列涵盖从 3D Slicer 医学图像查看器的基础使用到高级自动分割扩展程序的内容（从入门到高阶！），具体包括软件安装、基础使用教程，自动分割扩展（totalsegmentator, monai label）快速标注数据。：强烈建议做图像分割的宝宝们好好学习，跟着Tina姐涨姿势！如果对你有帮助，转发支持一下🖖这是该系列的第二篇，在这篇博文中，我们将从3D Slicer下载一些示例数据，并使用自动分割扩展从图像中分割目标。将重点介绍扩展。

3D Slicer 是一个免费的开源软件平台，用于医学、生物医学和其他 3D 图像的可视化、处理、分割、配准和分析。读/写DICOM图像和多种其他格式；三维图像、多边形网格和体积渲染的交互式可视化；手动编辑和标记图像；使用刚性和非刚性算法融合和共同配准数据；图像自动分割；跟踪图像引导程序的设备。所有的功能模块可在工具栏里找到，提供搜索，下拉选择，左右切换等功能。3D slicer的大概情况就介绍到这里。它的功能非常强大，也没有必要说掌握每个功能的使用。

缺乏带注释的数据集是训练监督AI算法的主要挑战，因为手动注释既昂贵又耗时。为了解决这个问题，我们提出了，这是一个免费的开源平台，有助于开发基于AI的应用程序，旨在减少注释3D医学图像数据集所需的时间。通过MONAILabel，研究人员可以开发专注于其专业领域的注释应用程序。它允许研究人员轻松地将他们的应用程序部署为服务，临床医生可以通过他们首选的用户界面使用这些服务。目前，MONAILabel很容易支持本地安装（3DSlicer）和基于Web（OHIF）的前端，并提供两种主动学习。...

MONAILabel是一个服务器-客户端(server-client)系统，通过使用AI促进交互式医学图像标注。它是一个开源且易于安装的生态系统，可以在具有单个或多个GPU的机器上本地运行。服务器和客户端可以设在同一台/不同的机器上工作。它与MONAI适配。大白话讲要使用MONAILabel进行医学数据标注，你需要有2个东西。...

这部分为monailabel的安装实操，分为服务端安装和客户端安装。预祝大家顺利安装。如果遇到问题，可以在交流群里探讨。在开始前，可以把以下链接打开，