文章目录
【Nature communications】Segment anything in medical images
粗略翻译,不准确,以原文为准。代码解析敬请期待。
0. Abstract
医学图像分割是临床实践的重要组成部分,有助于准确诊断,治疗计划和疾病监测。然而,现有的方法往往是针对特定的模式或疾病类型量身定制的,缺乏在医学图像分割任务的各种范围内的通用性。在这里,我们提出MedSAM,一个基础模型,旨在通过实现通用医学图像分割来弥合这一差距。该模型是在一个大型医学图像数据集上开发的,该数据集包含1,570,263个图像掩模对,涵盖10种成像方式和30多种癌症类型。我们对86个内部验证任务和60个外部验证任务进行了综合评估,证明了比模态专家模型更好的准确性和鲁棒性。通过在广泛的任务范围内提供准确有效的细分,MedSAM在加速诊断工具的发展和治疗计划的个性化方面具有巨大的潜力。