医学影像分析与重建
数据集
癌症领域
-
The Cancer Imaging Archive (TCIA)
癌症影像标准数据库，引用量极高，是医学影像论文最常见的引用数据源。
-
The Cancer Genome Atlas Program (TCGA)
癌症基因组+临床信息，常与 TCIA 联用，形成影像基因组学研究黄金组合。
神经影像
-
Alzheimer’s Disease Neuroimaging Initiative (ADNI)
全球最权威的阿尔茨海默症影像数据库，神经影像研究的核心资源。
分割benchmark
-
Brain Tumor Segmentation (BraTS)
脑肿瘤分割黄金标准，MICCAI 常设任务，论文引用量极高。
-
Medical Segmentation Decathlon (MSD)
覆盖多个器官的分割 benchmark，影响力仅次于 BraTS，在通用医学分割研究中地位突出。
胸片
生理信号
-
生理信号领域的“TCIA”，几乎所有生理信号 AI 论文都会引用，权威性极高。
重建benchmark
-
MRI 重建国际 benchmark，由 NYU+Meta 发布，是低剂量 MRI 和快速成像研究的权威数据集。
-
CT 重建 benchmark，专注低剂量 CT 研究，被认为是该领域的权威数据集。
大型综合数据库
-
不仅有癌症影像，还包括 MRI、心脏、眼底、基因组，是跨学科研究的黄金数据库，引用量和跨学科影响力极高。
挑战赛
-
医学影像挑战赛核心平台，MICCAI 等大会指定平台，研究人员必备。
-
基因组学+医学 AI 挑战赛平台，跨学科影响力较高，尤其在基因组学与 AI 结合领域重要。
医学影像分析与重建软件
平台类
-
免费、开源、功能最全，支持分割、配准、3D重建。插件丰富，科研界主流。
分割重建类
-
全球最流行的开源脑影像结构分析工具，支持皮层厚度、表面重建、皮下结构分割等全面功能。
配准类
-
Advanced Normalization Tools (ANTs)
以高精度图像配准闻名，同时支持皮层厚度测算和多组织分割，是 FreeSurfer 的重要替代方案。
-
Python 封装，调用底层 ANTs 的功能。
开发库
-
ITK 的简化封装库，提供易用的多语言接口（尤其是 Python），用于医学影像的读取、处理和分析。
医学影像机器学习框架
器官/病灶分割
-
自适应分割 SOTA 基线，医学竞赛标配。
-
引入 Swin Transformer 作为编码器，构建一个纯 Transformer 或混合 Transformer‑CNN 形式的 U‑Net 结构，旨在更好地处理远程依赖与全局信息。
-
基于 PyTorch 的全栈医学影像 DL 框架，模型动物园/可扩展管线/Label/Deploy 生态齐全。
数据增强
-
3D 医学数据增强、配准式几何变换、仿真噪声/伪影。
放射组学建模
-
IBSI 规范实现的主流组学特征提取。
MRI重建
-
Berkeley Advanced Reconstruction Toolbox (BART)
MRI 科研领域的事实标准，几乎所有 MRI 竞赛和论文都会用到。C/CUDA 实现，高性能，最流行。
-
Python 生态，结合 CuPy/GPU，研究者喜欢用来做压缩感知 (CS) 和深度重建。与 PyTorch 深度学习集成方便，近年快速上升。
-
流式框架，很多医院/科研组做实时 MRI 重建时选用。临床系统和科研 demo 都常见，临床场景流行。
-
Julia 生态的 MRI 重建工具箱，活跃度在上升，但目前学界采用率 < BART/SigPy。
CT重建
-
CT/PET/SPECT 最常见的 GPU 投影/反投影工具，文献引用率最高。多个框架（ODL、CIL）都以 ASTRA 作为后端，最流行。
-
同步辐射/材料科学断层成像常用，Python 生态，科研用得多。
-
针对锥束 CT（CBCT），MATLAB/Python 双支持，教学和研究广泛使用。
-
Operator Discretization Library (ODL)
在“可微/学习式重建”方向活跃，常和 ASTRA 联用。
-
PyTorch 社区比较火（比 ASTRA 快、可微），但学术引用量还不如 ASTRA。
-
英国同步辐射 / 欧洲光源支持，科研界用得多，但国际普及度 < ASTRA/TomoPy。