为什么值得看这一页
- 覆盖“科研绘图工具”“论文机制图怎么画”“BioRender 替代工具”等常见搜索问题。
- 区分机制图、流程图、统计图和医学影像可视化，避免所有图都用一个工具硬做。
- 强调图表可解释和数据来源，减少只追求好看但不能投稿的问题。
其他freemium
机制图与综述图更快出稿
BioRender
BioRender 面向生命科学和医学科研绘图，适合快速制作机制图、实验流程图、图形摘要和综述示意图。
适合：需要制作机制图、综述图、基金标书图、实验流程图和 Graphical Abstract 的医学科研人员。
注意：不适合替代原始数据图，也不能绕过期刊对版权授权、分辨率、图像处理和导出格式的要求。
判断是否适合
其他free
需要整合 R/Python/Julia 代码与科研...
Quarto
统一代码、文本、输出，实现可重复性科研报告、幻灯片、网站一键发布。
适合：希望将R、Python等代码分析结果与文本结合，高效生成可重复性报告、幻灯片或项目网站的医学科研人员。
注意：仅需撰写纯文本文档（如简单病例报告、会议摘要），对代码集成和复杂排版无需求，或不熟悉任何编程语言的医学研究者。
判断是否适合
其他free
CT/MRI/PET-CT DICOM 查看、序列...
3D Slicer
3D Slicer 是开源医学影像分析平台，适合 DICOM 查看、病灶分割、配准、三维重建、影像组学前处理和医学 AI 标注流程。
适合：医学影像、外科规划、放疗、神经影像、肿瘤影像组学和医学 AI 项目中的研究生、临床医生、PI、生信/组学/影像交叉研究者与算法工程师。
注意：不适合当作临床诊断系统直接使用；也不适合只想快速阅片、完全不想学习影像格式、分割规则、坐标空间和参数记录的用户。
判断是否适合
其他free
医学图像分割
MONAI
MONAI 是面向医学影像 AI 的开源 PyTorch 框架，适合构建 CT、MRI、病理等数据的分割、分类、训练、推理和评估流程。
适合：有 Python 与 PyTorch 基础、正在开展 CT/MRI/PET/病理影像深度学习研究的医学研究生、临床医生、PI、生信与影像算法研究者。
注意：不适合完全没有编程和深度学习基础的用户；如果只是快速查看影像、手工勾画 ROI 或做简单测量，可优先使用 3D Slicer、ITK-SNAP 或影像科工作站。
判断是否适合