分割大模型论文阅读——nnSAM: Plug-and-play Segment Anything Model Improves nnUNet Performance

nnSAM是将分割任意模型(SAM)与nnUNet结合的新型医学图像分割框架,旨在提升在有限训练数据情况下的分割准确性。nnSAM通过融合SAM的特征提取能力和nnUNet的自动配置,实现了对医学图像的精确分割,特别是在少样本学习场景下。实验证明,nnSAM在DICE和ASD指标上优于其他分割方法,特别是在训练样本数量有限时。
摘要由CSDN通过智能技术生成

期刊分析

期刊名: arXiv
信息: 2023年论文

其余信息: 代码
在这里插入图片描述

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,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Philo`

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值