MedSeg

嘿，

我们创建 MedSeg 是因为医学图像分割一直以来既缓慢又难以上手：需要下载几个 GB 的软件、与 CUDA 驱动搏斗、祈祷模型能在你的扫描图像上运行、数据管理……等等。我们有协助研究团队通过迭代使用 AI 模型来实现目标的经验，因此想要一个完整的工作空间，数据能整齐存放，还能训练和运行模型。

所以这就是它的功能。把 CT 或 MRI 拖入项目，在我们这边运行多个分割任务中的一个 GPU 任务，几分钟内就能得到 3D 结果。你可以在浏览器内的编辑器中精修掩码，与同事分享，甚至用 VR 打开。对于研究团队，他们可以在放射科医生创建的编辑器中进行手动分割工作。然后，一旦完成几个案例，就可以训练模型并在新案例上运行，再进行修正，再次开始训练，形成迭代循环，使用前沿的 nnUnet v2 架构。

它不是什么：不是已获监管批准的临床工具。这仅用于研究、教育和探索——不能用于诊断。

技术栈包括 TotalSegmentator + FastSurfer + 大约 6 个其他开源模型 + 一个基于 Web 的自定义编辑器，使用 WebGL，运行在一台小型 GPU 机器上。乐于回答任何技术问题或演示具体用例。