TotalSegmentator 및 MONAI 프레임워크를 사용하여 자동 의료 영상 분할을 수행하는 강력한 FastAPI 기반 서비스입니다.
레지스트리에서 스킬을 바로 설치하는 가장 빠른 방법입니다.
npx clawhub@latest install dicom-segmentation-api
스킬 폴더를 다음 위치 중 하나로 복사하세요
~/.openclaw/skills/ <project>/skills/ 우선순위: 워크스페이스 > 로컬 > 번들
이 프롬프트를 OpenClaw에 복사하면 자동으로 설치됩니다.
Clawhub를 사용해서 dicom-segmentation-api 설치를 도와줘. Clawhub가 설치되어 있지 않다면 먼저 설치해 줘 (npm i -g clawhub).
ZIP 아카이브 형태의 원본 스킬 파일을 받으세요.
DICOM 분할 API는 개발 환경에 고급 의료 영상 처리 기능을 제공하도록 설계된 고성능 도구입니다. Openclaw Skills를 활용하여 개발자는 TotalSegmentator 라이브러리를 사용하여 117개의 신체 구조 식별을 자동화하는 로컬 또는 클라우드 기반 서버를 배포할 수 있습니다. 이는 원시 의료 데이터와 실행 가능한 임상 인사이트 사이의 가교 역할을 하며 의료 영상 처리를 위한 원활한 인터페이스를 제공합니다.
FastAPI를 기반으로 구축된 이 스킬은 복잡한 MONAI 워크플로우를 지원하고 GLB 형식의 3D 모델 내보내기 및 상세한 통계 분석을 포함한 포괄적인 출력을 제공합니다. 이러한 통합을 통해 의료 연구원과 개발자는 의료 AI 모델의 기본 인프라보다는 분석에 집중할 수 있습니다.
이 스킬을 시작하려면 Python 3.8 이상이 설치되어 있는지 확인하십시오. 더 빠른 추론을 위해 CUDA 호환 GPU를 권장합니다.
# 의존성 설치 및 서버 시작
python api_server.py --port 8000
이 스킬은 구조화된 파이프라인을 통해 의료 데이터를 관리합니다. 아래는 주요 데이터 조직입니다.
| 구성 요소 | 유형 | 설명 |
|---|---|---|
| 입력 | DICOM | 표준 의료 영상 파일 (CT/MRI) |
| 분할 | NIfTI | 고해상도 복셀 마스크 |
| 시각화 | GLB | 웹 기반 또는 AR 보기를 위한 3D 모델 |
| 메타데이터 | JSON | 작업 상태, 타임스탬프 및 신체 구조 통계 |
로드 중
Docker 컨테이너화, Kubernetes 오케스트레이션 및 CI/CD 파이프라인 배포를 자동화하기 위한 포괄적인 툴킷입니다.

다양한 데이터베이스 및 서비스를 위한 최적화된 Docker Compose 설정을 즉시 생성하는 CLI 기반 유틸리티입니다.

다양한 프레임워크 및 코딩 표준에 걸쳐 전문적인 ESLint 설정을 생성하기 위한 자동화된 CLI 유틸리티입니다.

개발 수명 주기 전반에 걸쳐 코드 품질과 일관성을 보장하기 위해 Git hook을 자동으로 생성하고 관리하는 전문 도구입니다.

다양한 프로그래밍 환경 및 배포 시나리오를 위한 표준화된 GitHub Actions 워크플로우 파일을 생성하는 자동화 유틸리티입니다.








































