期刊分析
期刊名:
arXiv
信息:
2023年论文
其余信息:
代码
摘要
计算机视觉基础模型的最新发展,特别是分割任意模型(SAM),允许可扩展且与领域无关的图像分割作为通用分割工具。与此同时,医学图像分割领域也从 nnUNet 等专门的神经网络中受益匪浅,该网络在特定领域的数据集上进行训练,并且可以自动配置网络以适应特定的分割挑战。为了结合基础模型和特定领域模型的优点,我们提出了 nnSAM,它将 SAM 模型与 nnUNet 模型协同集成,以实现更准确和鲁棒的医学图像分割。 nnSAM 模型利用 SAM 强大而稳健的特征提取功能,同时利用 nnUNet 的自动配置功能来促进数据集定制学习。
我们对不同大小的训练样本对 nnSAM 模型的综合评估表明,