RRepoGEO

REPOGEO 报告 · LITE

JunMa11/MICCAI-OpenSourcePapers

默认分支 master · commit 86491a35 · 扫描时间 2026/5/9 03:07:23

星标 1,293 · Fork 229

AI 可见性总分
15 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 1 · 失败 0
客观元数据检查
AI 认识你的名字
0 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 JunMa11/MICCAI-OpenSourcePapers 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highreadme#1
    Clarify README's opening sentence to emphasize 'curated list'

    原因：

    复制粘贴的修复
    This repository provides a comprehensive, curated list of open-source papers and their associated code from the MICCAI conferences (2019-2023), serving as a central resource for researchers in medical image computing.
  • mediumtopics#2
    Add topics describing the repo as a collection/resource

    原因：

    当前
    deep-learning, medical-imaging
    复制粘贴的修复
    deep-learning, medical-imaging, paper-list, code-collection, research-resource, miccai
  • lowhomepage#3
    Add a homepage link to the MICCAI conference proceedings

    原因：

    复制粘贴的修复
    https://www.miccai2023.org/

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 JunMa11/MICCAI-OpenSourcePapers
平均排名
—
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中，你占了多少？
头号对手
Project-MONAI/MONAI
在 2 个问题中被推荐 3 次
竞品排行
  1. Project-MONAI/MONAI · 被推荐 3 次
  2. MONAI · 被推荐 1 次
  3. nnU-Net · 被推荐 1 次
  4. AlphaFold · 被推荐 1 次
  5. TensorFlow Models · 被推荐 1 次
  • 品类问题
    Where can I find open-source deep learning implementations for medical image analysis?
    你：未被推荐
    AI 推荐顺序：
    1. MONAI
    2. nnU-Net
    3. AlphaFold
    4. TensorFlow Models
    5. Keras Applications
    6. PyTorch Hub
    7. GitHub Search

    AI 推荐了 7 个替代方案，却始终没点名 JunMa11/MICCAI-OpenSourcePapers。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What are the latest open-source deep learning models for medical image segmentation tasks?
    你：未被推荐
    AI 推荐顺序：
    1. nnU-Net (MIC-DKFZ/nnUNet)
    2. MONAI (Project-MONAI/MONAI)
    3. Swin UNETR (Project-MONAI/MONAI)
    4. UNETR (Project-MONAI/MONAI)
    5. TransUNet (Beckschen/TransUNet)
    6. DeepLabV3+
    7. MedNeXt (MIC-DKFZ/MedNeXt)

    AI 推荐了 7 个替代方案，却始终没点名 JunMa11/MICCAI-OpenSourcePapers。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    warn

    建议：

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of JunMa11/MICCAI-OpenSourcePapers?
    pass
    AI 未点名 JunMa11/MICCAI-OpenSourcePapers —— 很可能在说另一个项目

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts JunMa11/MICCAI-OpenSourcePapers in production, what risks or prerequisites should they evaluate first?
    pass
    AI 未点名 JunMa11/MICCAI-OpenSourcePapers —— 很可能在说另一个项目

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo JunMa11/MICCAI-OpenSourcePapers solve, and who is the primary audience?
    pass
    AI 未点名 JunMa11/MICCAI-OpenSourcePapers —— 很可能在说另一个项目

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 JunMa11/MICCAI-OpenSourcePapers 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/JunMa11/MICCAI-OpenSourcePapers.svg)](https://repogeo.com/zh/r/JunMa11/MICCAI-OpenSourcePapers)
HTML
<a href="https://repogeo.com/zh/r/JunMa11/MICCAI-OpenSourcePapers"><img src="https://repogeo.com/badge/JunMa11/MICCAI-OpenSourcePapers.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

JunMa11/MICCAI-OpenSourcePapers — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3