MedSAM通用医学分割基础模型(2023+Segment Anything in Medical Images)
MedSAM,这是为通用医学图像分割设计的首个基础模型。利用包含超过一百万张图像的精心策划的数据集的力量,MedSAM不仅优于现有的最先进的分割基础模型,而且表现出与专业模型相当甚至更好的性能。此外,MedSAM能够精确提取用于肿瘤负荷量化的基本生物标志物。
文章共437字 · 阅读需要大约2分钟
一键AI生成摘要,助你高效阅读
问答
·
摘要:
MedSAM,这是为通用医学图像分割设计的首个基础模型。利用包含超过一百万张图像的精心策划的数据集的力量,MedSAM不仅优于现有的最先进的分割基础模型,而且表现出与专业模型相当甚至更好的性能。此外,MedSAM能够精确提取用于肿瘤负荷量化的基本生物标志物。MedSAM以前所未有的规模改编自SAM模型,拥有超过一百万对医学图像掩膜。通过70多个内部验证任务和40多个外部验证任务的综合实验,涵盖了各种解剖结构、病理条件和医学成像方式,对MedSAM进行了全面的评估。实验结果表明,MedSAM始终优于最先进的(SOTA)分割基础模型,同时实现与专业模型相当甚至超过专业模型的性能。这些结果突出了MedSAM作为医学图像分割的强大工具的潜力。
方法:
MedSAM是在一个可以处理不同分割任务的大规模数据集上训练的。a、数据集涵盖了各种解剖结构、病理状况和医学成像模式。b,每种模态的医学图像掩码对数量。c、MedSAM是一种提示式分割方法,用户可以使用边界框来指定分割目标。
数据集:采用所有公开数据集
模型:在SAM上进行微调。
结果:
在各个数据集上都达成了最好的结果。
更多推荐
已为社区贡献3条内容
所有评论(0)