SAM
文章平均质量分 76
第六五签
这个作者很懒,什么都没留下…
展开
-
SAM在医学图像分割的一些研究(Segment Anything Model for Medical Images?(2023))
SAM在医学分割的研究原创 2023-08-03 21:19:52 · 564 阅读 · 0 评论 -
添加三种提示SAM对医学图像分割的影响(2023+SAM on Medical Images: A Comprehensive Studyon Three Prompt Modes)
为了评估SAM是否有潜力成为医学图像分割任务的基础模型,我们收集了超过12个涵盖各种器官和形态的公共医学图像数据集。我们还探讨了在不同的模式下,什么样的提示可以导致最佳的零射击性能。此外,我们发现一个模式表明,盒大小的扰动将显著改变预测精度。最后,大量的实验表明,预测的掩码质量在不同的数据集之间差异很大。向SAM提供适当的提示(如边界框)将显著提高其性能。原创 2023-08-03 20:45:34 · 382 阅读 · 0 评论 -
MedLSAM将SAM应用于3D医学图像分割(2023+MedLSAM: Localize and Segment AnythingModel for 3D Medical Images)
SAM (Segment Anything Model)是近年来出现的一种具有开创性的图像分割模型。然而,原始的SAM和它的医疗适应性都需要逐片注释,这直接增加了注释工作负载和数据集的大小。本研究提出MedLSAM来解决这个问题,确保无论数据集大小如何都有恒定的注释工作负载,从而简化了注释过程。原创 2023-08-02 23:11:53 · 1154 阅读 · 0 评论 -
使用adapter微调SAM应用于医学图像(2023+Medical SAM Adapter: Adapting SegmentAnything Model for Medical Image)
本文采用一种简单而有效的自适应技术,将医学特定领域的知识集成到分割模型中,而不是对SAM模型进行微调。虽然这项工作仍然是少数将流行的NLP技术适配器转移到计算机视觉案例中的一个,但这个简单的实现在医学图像分割上显示出惊人的良好性能。我们称之为医学SAM适配器(medical SAM Adapter, MSA)的医学图像,在包括CT、MRI、超声图像、眼底图像和皮肤镜图像在内的19种不同图像模式的医学图像分割任务中表现出优异的性能。原创 2023-08-01 23:19:47 · 1916 阅读 · 0 评论 -
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。原创 2023-08-01 19:55:03 · 3580 阅读 · 0 评论 -
探究SAM增强其他医学分割模型的(2023+Input Augmentation with SAM: BoostingMedical Image Segmentation with Segment)
本文表明,尽管SAM不能立即给出高质量的医学图像分割,但其生成的掩模、特征和稳定性分数对于构建和训练更好的医学图像分割模型是有用的。特别演示了如何使用SAM来增强常用医学图像分割模型(例如UNet)的图像输入。在两个数据集上的实验表明了该方法的有效性。原创 2023-07-31 23:36:47 · 410 阅读 · 0 评论 -
探究SAM和眼球追踪技术在自动医学图像分割的应用(2023+GazeSAM: What You See is What You Segment)
本研究探讨眼动追踪技术与SAM的潜力,以设计一个协同的人机交互系统,自动化医学图像分割。我们提出了GazeSAM系统,使放射科医生能够在图像诊断过程中通过简单地查看感兴趣的区域来收集分割掩模。该系统跟踪放射科医生的眼球运动,并利用眼球注视数据作为SAM的输入提示符,自动实时生成分割掩码。原创 2023-07-31 22:13:31 · 607 阅读 · 0 评论 -
探索SAM在二维医学成像中的zero-shot能力(2023+Exploring the Zero-Shot Capabilities of theSegment Anything Model)
这项研究中使用来自四种成像方式(x射线、超声、皮肤镜和结肠镜)的六个数据集的八种不同提示策略,评估了SAM 2D在医学成像中的零射击能力。结果表明,SAM的zero-shot是相当的,在某些情况下,优于目前最先进的技术。并且提出了一个实用的指导方针,它需要最小的交互,并在所有评估的环境中产生可靠的结果。原创 2023-07-31 21:23:47 · 674 阅读 · 0 评论 -
SAM分割息肉的性能评估(2023+Can SAM Segment Polyps)
息肉分割是医学影像领域的一项基础性工作,对结直肠癌的诊断和治疗起着至关重要的作用。特别是,将SAM应用于息肉分割任务非常有趣。在本报告中,评估了SAM在非提示设置下分割息肉的性能。这个项目公开在https://github.com/taozh2017/SAMPolyp原创 2023-07-30 22:19:28 · 889 阅读 · 0 评论 -
SAM在医学图像分割任务的精度分析(2023+Accuracy of Segment-Anything Model (SAM) inMedical Image Segmentation Tasks)
本文提出了任意分割模型(SAM)作为图像分割的基本模型。在本报告中,我们探讨了(1)SAM在12个公共医学图像分割数据集上的准确性,这些数据集涵盖了各种器官(脑、乳腺、胸部、肺、皮肤、肝脏、肠道、胰腺和前列腺)、图像形态(2D x射线、组织学、内窥镜检查、3D MRI和CT)和健康状况(正常、病变)。(2)计算机视觉基础分割模型SAM是否能为医学图像分割提供有前景的研究方向。我们发现,未经医学图像重新训练的SAM表现不如U-Net或其他医学图像训练的深度学习模型准确。原创 2023-07-30 21:10:49 · 1359 阅读 · 0 评论 -
Segment Anything Model (SAM)
我们介绍了任何片段(SA)项目:一个新的任务,模型和数据集的图像分割。在数据收集循环中使用我们的高效模型,我们建立了迄今为止(到目前为止)最大的分割数据集,在1100万张许可和尊重隐私的图像上拥有超过10亿个掩模。该模型被设计和训练为提示,因此它可以将零拍摄转移到新的图像分布和任务。我们评估了它在许多任务中的能力,发现它的零射击性能令人印象深刻-通常与之前的完全监督结果相竞争甚至优于。我们在https://segment-anything.com上发布了包含1B个掩模和11M张图像的分段任意模型(SAM)和原创 2023-07-30 20:41:40 · 128 阅读 · 0 评论