Medical Open Network for AI

MONAI 是一个基于 PyTorch 的、开源 医疗保健影像深度学习框架，属于 PyTorch 生态系统 的一部分。 其目标如下：

• 发展一个由学术、工业和临床研究人员组成的社区，共同协作于一个共同的基础之上；
• 创建最先进的、端到端的医疗保健影像训练工作流；
• 为研究人员提供优化且标准化的方式来创建和评估深度学习模型。

特性

请参阅里程碑版本的 技术亮点 和 更新内容。

• 灵活的多维医学影像数据预处理；
• 组合式且可移植的 API (应用程序接口)，便于集成到现有工作流中；
• 针对特定领域的网络、损失函数、评估指标等的实现；
• 可定制的设计，适应不同用户的专业水平；
• 支持多 GPU 多节点数据并行。

要求

MONAI 适用于 目前支持的 Python 版本，直接依赖于 NumPy 和 PyTorch，并有许多可选依赖项。

• MONAI 的主要版本会声明依赖版本。本仓库中 dev 分支的当前状态是 MONAI 的未发布开发版本，通常支持当前版本的依赖项并包含相应的更新和错误修复。
• PyTorch 支持涵盖 当前版本 及之前的三个次要版本。如果出现 PyTorch 版本与其他依赖项的兼容性问题，对某个版本的支持可能会推迟到主要版本发布。
• 我们对其他依赖项的支持政策大部分遵循 SPEC0，即在可能的情况下支持依赖版本长达两年。发现的漏洞或缺陷可能需要明确不支持某些版本。
• 请参阅 requirements*.txt 文件获取依赖版本信息。

安装

要安装 当前发布版本，只需运行：

pip install monai

其他安装选项请参阅 安装指南。

快速开始

MedNIST 演示 和 面向 PyTorch 用户的 MONAI 可在 Colab (在线笔记本环境) 上使用。

示例和 Notebook (交互式笔记本) 教程位于 Project-MONAI/tutorials。

技术文档可在 docs.monai.io 获取。

Docker

MONAI Docker (容器化平台) 镜像可从 Dockerhub 获取，标记为 latest 代表 dev 的最新状态，或带有发布版本标签。也可以使用 Dockerfile.slim 在本地构建精简版镜像，请参阅该文件获取说明。

要开始使用最新的 MONAI，请使用 docker run -ti --rm --gpus all projectmonai/monai:latest /bin/bash。

引用

如果您在研究中使用了 MONAI，请引用我们！引用信息可从以下地址导出：https://arxiv.org/abs/2211.02701。

模型库 (Model Zoo)

MONAI 模型库 (Model Zoo) 是研究人员和数据科学家分享社区中最新且优秀模型的地方。 利用 MONAI Bundle (配置包) 格式 可以轻松 开始 使用 MONAI 构建工作流。

贡献

关于为 MONAI 做出贡献的指导，请参阅 贡献指南。

社区

加入 Twitter/X @ProjectMONAI、LinkedIn 上的讨论，或加入我们的 Slack 频道。

在 MONAI 的 GitHub 讨论区 提问和回答问题。

链接

• 网站：https://project-monai.github.io/
• API (应用程序接口) 文档（里程碑版本）：https://monai.readthedocs.io/
• API 文档（最新开发版）：https://monai.readthedocs.io/en/latest/
• 代码：https://github.com/Project-MONAI/MONAI
• 项目追踪器：https://github.com/Project-MONAI/MONAI/projects
• 问题追踪器：https://github.com/Project-MONAI/MONAI/issues
• 维基：https://github.com/Project-MONAI/MONAI/wiki
• 测试状态：https://github.com/Project-MONAI/MONAI/actions
• PyPI (Python 包索引) 包：https://pypi.org/project/monai/
• conda-forge：https://anaconda.org/conda-forge/monai
• 每周预览版：https://pypi.org/project/monai-weekly/
• Docker Hub：https://hub.docker.com/r/projectmonai/monai

MONAI 快速上手指南

MONAI (Medical Open Network for AI) 是一个基于 PyTorch 的开源框架，专为医疗影像深度学习设计。它提供了针对医疗数据的预处理、网络结构、损失函数及评估指标的标准化工具。

环境准备

在安装 MONAI 之前，请确保满足以下系统要求：

• Python: 当前支持的 Python 版本（建议参考 Python 版本支持）。
• 核心依赖:
  • PyTorch（支持当前版本及前三个次要版本）
  • NumPy
• 硬件: 支持多 GPU 多节点数据并行（可选，用于加速训练）。

安装步骤

您可以通过以下任一方式安装 MONAI：

1. 使用 pip 安装（推荐）

安装当前稳定版本：

pip install monai

2. 使用 Conda 安装

conda install -c conda-forge monai

3. 使用 Docker

拉取最新镜像并启动容器（需支持 GPU）：

docker run -ti --rm --gpus all projectmonai/monai:latest /bin/bash

更多安装选项（如开发版本、特定依赖）请参考 官方安装指南。

基本使用

1. 验证安装

在 Python 环境中导入库以确认安装成功：

import monai
print(monai.__version__)

2. 快速体验

MONAI 提供了丰富的 Notebook 教程和演示，建议从以下示例开始：

• MedNIST 分类演示: 在 Colab 中运行
• 开发者指南: MONAI for PyTorch Users

更多代码示例和教程请访问 Project-MONAI/tutorials。

3. 技术文档

详细 API 文档和使用说明查阅：docs.monai.io