Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-17 17:33 UTC

Project-MONAI / MONAI

AI Toolkit for Healthcare Imaging

PythonApache-2.0★ 8691 estrellas⑂ 1628 forksdesde oct 2019Ver en GitHub ↗
TipoBibliotecacómo se determina
#healthcare-imaging#deep-learning#medical-image-computing#medical-image-processing#pytorch#python3#monai

Project-MONAI/MONAI tiene un índice de salud de 98 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Engineering Quality (96/100) y la más baja, AI Readiness (76/100). Se actualizó por última vez hoy. 3 personas concentran la mayor parte del trabajo reciente.

98
global / 100
Excepcional

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

98
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 87 se calibra a 98 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Project MONAIOrganización
2855 seguidores37 repositorios públicosdesde oct 2019

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicación
PyPImonai1.6.0754.99644hace 87 días

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

85Excelente · 21% del índice global

Actividad de desarrollo

92Excelente
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
28.4/36Cadencia de commits — 41/52 semanas con commits
18/18Volumen de commits — 243 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 10 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year243
human_commit_share0,96
days_since_last_push0
active_weeks_last_year41

Disciplina de publicación

74Bueno
Cómo se puntúa
27/27Publica versiones — 24 versiones publicadas
27/36Recencia de las versiones — última versión hace 98 días
12.6/27Cadencia de publicación — una versión cada ~141 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count24
latest_release_tag1.6.0
releases_from_tagsno
days_since_latest_release98
mean_days_between_releases141
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

95Excepcional · 17% del índice global

Popularidad y adopción

96Excepcional
Cómo se puntúa
60/60Estrellas — 8691 estrellas
25/25Forks — 1628 forks
11.2/15Observadores — 104 observadores
Datos de entrada utilizados
forks1628
stars8691
watchers104
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

92Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges9
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesbadge.fury.io, codecov.io, github.com, readthedocs.org, shields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

98Excepcional
Cómo se puntúa
78.4/80Descargas mensuales — 754.996 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesmonai
dependents—
ecosystemspypi
total_downloads—
monthly_downloads754.996
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

84Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

76Bueno
Cómo se puntúa
36/54Factor bus — la mitad de los commits recae en 3 contribuyente(s)
16.5/22.5Distribución de commits — el principal contribuyente firma el 26% de los commits
13.5/13.5Amplitud de contribuyentes — 97 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 37 contributing companies or organizations
Datos de entrada utilizados
bus_factor3
contributors_sampled97
top_contributor_share0,265

Capacidad de respuesta a issues y PR

86Excelente
Cómo se puntúa
37.7/42Resolución de issues — 90% de issues cerradas
26.5/30Aceptación de PR — 3441/3889 PR decididos fusionados
6.5/13Newcomer PR acceptance — 2/4 PR de contribuyentes primerizos fusionados en 30 d
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Datos de entrada utilizados
merged_prs3441
open_issues341
closed_issues2990
prs_merged_7d12
prs_decided_7d13
prs_merged_30d39
prs_decided_30d44
issue_closed_ratio0,898
closed_unmerged_prs448
first_time_authors_30d4
first_time_prs_merged_30d2
first_time_prs_decided_30d4

Propiedad y custodia

78Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
24.8/25Alcance del propietario — 2855 seguidores de Project-MONAI
23.5/25Trayectoria — 37 repos públicos, cuenta de ~6 años
Datos de entrada utilizados
followers2855
owner_typeOrganization
is_verifiedno
owner_loginProject-MONAI
public_repos37
account_age_days2533

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 87 días
20/20Historial de versiones — 44 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesmonai
ecosystemspypi
any_deprecatedno
min_days_since_publish87

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

96Excepcional · 19% del índice global

Prácticas de ingeniería

94Excepcional
Cómo se puntúa
24/24Flujos de trabajo de CI — 15 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://project-monai.github.io/
10/10Descripción del repositorio
10/10Topics — 7 topics
10/10Wiki
Datos de entrada utilizados
topicshealthcare-imaging, deep-learning, medical-image-computing, medical-image-processing, pytorch, python3, monai
has_wikisí
homepagehttps://project-monai.github.io/
docs_sitehttps://project-monai.github.io/
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

80Excelente · 16% del índice global

Postura de seguridad

75Bueno
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0.5/2.5CII-Best-Practices — badge detected: InProgress
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 37 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 10 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — sin datos
6.8/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 26 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7,5
Excluidos de la puntuación (sin datos o no aplicable): Signed-Releases. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages30
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:monai@1.6.0 —lo que arrastra la instalación del paquete publicado—: 30 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

76Bueno · 4% del índice global

Contexto y guía para agentes

55Moderado
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://project-monai.github.io/llms.txt)
40/40Historial de commits legible — 96 de 96 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://project-monai.github.io/llms.txt
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

Bucle de verificación (compilación / pruebas / verificación de tipos)

90Excelente
Cómo se puntúa
18/18Arranque con un solo comando — docs/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
11/11Verificación estática de tipos — monai/py.typed
10/10Entorno reproducible — Dockerfile
10/10Práctica demostrada con agentes — 13 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 3 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_filesdocs/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configsmonai/py.typed
agent_commit_share0,13
toolchain_manifests—
dependency_bot_commit_share0,03

Legibilidad del código para modelos

81Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (monai/py.typed)
54.2/55Tamaños de archivo manejables — 19/1366 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes193.412
source_files_sampled1366
oversized_source_files19

Datos clave

8691estrellas de GitHub
97contribuidores
243commits en los últimos 12 meses
0días desde el último push
24versiones publicadas
3factor bus
341issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 21 authors (cap 12)
  • Could not fetch pypi package 'monai._C' from its registry

Más detalle

Historial de estrellas y forks 0 ★ / 1628 ⇿
0Estrellas
1628Forks
10Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

Solo se muestra el historial más reciente: este repositorio supera la ventana de recopilación, por lo que no se captura el historial más antiguo.

50075010001250150017501628172022-122024-102026-09
Mayor 0Menor 6Parche 4

Cada punto abarca 4 días.

OpenSSF Scorecard 7.5 / 10
7.5agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-09-17 17:32 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
2CII-Best-Practicesbadge detected: InProgress
10Code-Reviewall changesets reviewed
10Contributorsproject has 37 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 10 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
n/dSigned-Releasesno releases found
9Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities26 existing vulnerabilities detected
Dependencias directas 2
RegistroPaqueteRestricción de versiónManifiesto
PyPItorch>=2.8.0pyproject.toml
PyPInumpy>=1.24,<3.0pyproject.toml
Todas las dependencias 86

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 2 paquetes directos y 84 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPInumpy—directa
PyPItorch—directa
PyPIbackports-tarfile—indirecta
PyPIblack—indirecta
PyPIclearml—indirecta
PyPIcommonmark0.9.1indirecta
PyPIcoverage—indirecta
PyPIcucim-cu13—indirecta
PyPIcupy-cuda13x—indirecta
PyPIeinops—indirecta
PyPIfilelock—indirecta
PyPIfire—indirecta
PyPIgdown—indirecta
PyPIh5py—indirecta
PyPIhuggingface-hub—indirecta
PyPIimagecodecs—indirecta
PyPIisort—indirecta
PyPIitk—indirecta
PyPIjsonschema—indirecta
PyPIlmdb—indirecta
PyPIlpips0.1.4indirecta
PyPImatplotlib—indirecta
PyPImccabe—indirecta
PyPImetricsreloaded—indirecta
PyPImlflow—indirecta
PyPImore-itertools—indirecta
PyPInibabel—indirecta
PyPIninja—indirecta
PyPInni—indirecta
PyPInni2.10.1indirecta
PyPInvidia-ml-py—indirecta
PyPInvidia-nvimgcodec-cu13—indirecta
PyPInvsubquadratic—indirecta
PyPIonnx—indirecta
PyPIonnx-graphsurgeon—indirecta
PyPIonnxruntime—indirecta
PyPIonnxscript—indirecta
PyPIopencv-python-headless—indirecta
PyPIopenslide-bin—indirecta
PyPIopenslide-python—indirecta
PyPIoptuna—indirecta
PyPIpackaging—indirecta
PyPIpandas—indirecta
PyPIparameterized—indirecta
PyPIpep8-naming—indirecta
PyPIpillow—indirecta
PyPIpolygraphy—indirecta
PyPIpre-commit—indirecta
PyPIpsutil—indirecta
PyPIpyamg—indirecta
PyPIpybind11—indirecta
PyPIpycodestyle—indirecta
PyPIpydata-sphinx-theme—indirecta
PyPIpydicom—indirecta
PyPIpyflakes—indirecta
PyPIpynrrd—indirecta
PyPIpyrefly—indirecta
PyPIpytest—indirecta
PyPIpytorch-ignite—indirecta
PyPIpytorch-ignite0.4.11indirecta
PyPIpyyaml—indirecta
PyPIrecommonmark0.6.0indirecta
PyPIrequests—indirecta
PyPIruff—indirecta
PyPIscikit-image—indirecta
PyPIscipy—indirecta
PyPIsetuptools—indirecta
PyPIsphinx—indirecta
PyPIsphinx-autodoc-typehints1.11.1indirecta
PyPIsphinxcontrib-applehelp—indirecta
PyPIsphinxcontrib-devhelp—indirecta
PyPIsphinxcontrib-htmlhelp—indirecta
PyPIsphinxcontrib-jsmath—indirecta
PyPIsphinxcontrib-qthelp—indirecta
PyPIsphinxcontrib-serializinghtml—indirecta
PyPItensorboard—indirecta
PyPItensorboardx—indirecta
PyPItifffile—indirecta
PyPItorchio—indirecta
PyPItorchvision—indirecta
PyPItqdm—indirecta
PyPItransformers—indirecta
PyPItypeguard—indirecta
PyPItypes-pyyaml—indirecta
PyPItypes-setuptools—indirecta
PyPIzarr—indirecta
Avisos de dependencias 0

Instalar pypi:monai@1.6.0 arrastra 30 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con Project-MONAI/MONAI. Leer en paralelo →

100huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. Excepcional100onnx/onnxOpen standard for machine learning interoperabilityExcepcional100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorExcepcional100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional99huggingface/diffusers🤗 Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.Excepcional99huggingface/huggingface_hubThe official CLI and Python client for the Hugging Face Hub.Excepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.