论文解读 |SIMSAM：通过模拟交互实现零样本医学图像分割

不想做程序媛的Candice

于 2024-07-18 19:44:56 发布

阅读量952

点赞数 25

分类专栏：论文阅读笔记文章标签：论文阅读图像处理计算机视觉

本文链接：https://blog.csdn.net/m0_61574757/article/details/140531251

版权

概览

论文标题：

SIMSAM: Zero-shot medical image segmentation via simulated interaction

论文链接：

https://arxiv.org/pdf/2406.00663

代码链接：

https://github.com/BenjaminTowle/SimSAM

Abstract

本文提出了SIMSAM（Simulated Interaction for Segment Anything Model），一种针对医学图像零样本分割的新方法。SIMSAM通过模拟用户交互生成大量候选掩码，并利用一种新颖的聚合方法来输出最兼容的掩码。该方法在SAM（Segment Anything Model）的基础上，无需额外训练即可直接应用于医学图像分割任务，并在三个公开医学成像数据集上展示了显著的分割精度提升（最高可达15.5%）。

本文贡献：

1. 提出并实现了SIMSAM框架

作者创新性地提出了SIMSAM（Simulated Interaction for Segment Anything Model