Основные библиотеки

Numpy (http://www.numpy.org/) - Поддержка больших многомерных массивов и матриц, а также большой набор высокоуровневых математических функций для работы с этими массивами. .

Pandas (https://pandas.pydata.org/) - библиотека, предоставляющая высокопроизводительные, простые в использовании структуры данных и инструменты анализа данных.

Визуализация

matplotlib (https://matplotlib.org/) - библиотека двухмерных графиков, которая выдает показатели качества публикации в различных форматах печатных копий и в интерактивных средах на разных платформах.

Plotly (https://plot.ly/python/). Библиотека построения графиков позволяет создавать интерактивные графики качества публикации в Интернете.

Seaborn (https://seaborn.pydata.org/) - библиотека визуализации на основе matplotlib. Он предоставляет высокоуровневый интерфейс для рисования привлекательной статистической графики.

ggplot (http://ggplot.yhathq.com/) - основанный на ggplot2 R, он создан для того, чтобы быстро создавать профессиональные графики с минимальным кодом.

Боке (https://bokeh.pydata.org/en/latest/) - элегантная, лаконичная конструкция новой графики в стиле D3.js, расширяющая эту возможность за счет высокого интерактивность производительности над очень большими или потоковыми наборами данных

Машинное обучение

Tensorflow (https://www.tensorflow.org/) - Библиотека для численных вычислений с использованием графов потоков данных.

scikit-learn (http://scikit-learn.org/stable/) - Библиотека с различными алгоритмами классификации, регрессии и кластеризации.

Keras (https://keras.io/) - нейронная сеть с открытым исходным кодом, способная работать поверх TensorFlow, Microsoft Cognitive Toolkit, Theano или MXNet.

Обработка медицинских изображений

3D Slicer (https://www.slicer.org/) - Платформа для информатики медицинских изображений, обработки изображений и трехмерной визуализации.

NiftyNet (http://www.niftynet.io/) - Платформа для исследований в области анализа медицинских изображений и терапии под контролем изображений.

Набор инструментов глубокого обучения (https://dltk.github.io/) - разработан для быстрого создания прототипов с низким порогом входа и обеспечения воспроизводимости в приложениях для анализа изображений с особым упором. по медицинской визуализации.