许多研究表明，深度学习的发展非常依赖数据量，在医疗图像领域，目前缺乏基于大数据基础的专用预训练模型。
本项目MedicalNet将多个3D医疗数据集集合成大数据集，基于此数据集提供了完整的3D-ResNet系列预训练模型与相应的迁移学习训练代码。
MedicalNet适用的场景
- MedicalNet提供的预训练网络可迁移到任何3D医疗影像的AI应用中，包括但不限于分割、检测、分类等任务。
- 尤其适用小数据医疗影像AI场景，能加快网络收敛，提升网络性能。
MedicalNet功能介绍
- 支持单卡、多卡训练
- 支持Python3.7，PyTorch-0.4.1
- 支持任何3D医疗影像的迁移学习任务
- 支持3D-ResNet全系列模型的迁移学习任务
- 支持多种感受野的迁移学习
MedicalNet性能展示
上图是在相同的迭代次数下，不同预训练方式的测试结果，相对于从头训练，MedicalNet能明显加快网络收敛速度，提升性能。更多细节请参考文章Med3D: Transfer Learning for 3D Medical Image Analysis。
MedicalNet未来规划
- 收集更多数据提升预训练模型性能
- 增加3D超声预训练数据
- 完成3D轻量级（3D-MobileNet系列，3D-ShuffleNet系列等）预训练模型
- 完成2D医学预训练模型
数据量是全球医疗影像AI落地的最大痛点之一，我们期望通过建立一个平台为千万的医疗影像AI提供大数据基础模型支持。这是一个良好的开端，如果您在使用过程中发现Bug或者有新特性建议，欢迎fork并提交Merge Request来解决问题，我们期待并感谢您的贡献。
MedicalNet 正式开源
Github 开源地址：
https://github.com/Tencent/MedicalNet
（点击文末阅读原文直接访问）
请给 MedicalNet 一个 Star !
欢迎提出你的 issue 和 PR！
NeuralClassifier 国内镜像地址：
https://git.code.tencent.com/Tencent_Open_Source/MedicalNet
腾讯工蜂源码系统为开源开发者提供完整、最新的腾讯开源项目国内镜像
