本站资源仅供教育与科研用途

返回资源列表

医学影像开源项目中级

MedSAM

将 Segment Anything 思路迁移到医学图像分割任务的开源模型与推理代码。

前往 GitHub 仓库

医学子领域: 医学影像
资源类型: 开源项目
开源协议: Apache License 2.0
部署方式: Conda/Python 本地运行；未确认官方 Docker Compose
仓库链接: https://github.com/bowang-lab/MedSAM

部署引导

快速部署

Docker 命令

git clone https://github.com/bowang-lab/MedSAM.git
cd MedSAM
docker compose up -d

涉及患者数据的项目请仅用公开或脱敏数据集，部署说明可能随项目更新变化

简介

MedSAM 是面向医学图像的 Segment Anything 项目，提供命令行、Notebook 和 GUI 路线来测试分割模型。它适合医学图像交互式分割、器官/病灶标注辅助、模型对比实验和分割算法课程。

部署步骤

创建并激活 Conda 环境：

conda create -n medsam python=3.10 -y
conda activate medsam

安装与本机 CUDA/CPU 匹配的 PyTorch 2.0。具体命令以 PyTorch 官网为准。
克隆仓库并安装：

git clone https://github.com/bowang-lab/MedSAM.git
cd MedSAM
pip install -e .

下载仓库 README 指向的模型 checkpoint，并放到示例路径，例如 work_dir/MedSAM/medsam_vit_b。
运行示例推理：

python MedSAM_Inference.py

如果使用 GUI，先安装 PyQt5：

pip install PyQt5
python gui.py

当前未确认官方 Docker Compose 部署方式，因此不写 Docker 命令。

适用场景

CT、MRI 等医学图像的交互式分割实验。
标注效率研究和弱监督/提示式分割比较。
影像 AI 课程中演示 foundation model 在医学图像中的迁移。
需要快速获得器官或病灶候选 mask 的研究原型。