针对显微切片图像中黑色素瘤分割的Segment Anything Model适应
计算机视觉与模式识别
2024-10-04 v1 人工智能
机器学习
摘要
Whole Slide Images（WSI）中黑色素瘤的分割对于预后和衡量关键预后因素（如Breslow深度和原发侵袭性肿瘤大小）非常有用。本文提出了一种新方法，利用Segment Anything Model（SAM）对显微切片图像进行自动黑色素瘤分割。我们的方法采用初始语义分割模型生成初步分割掩码，然后用于提示SAM。我们设计了动态提示策略，结合中心点提示和网格提示，以在保持提示质量的同时实现对超高分辨率切片图像的 optimal 覆盖。为优化侵袭性黑色素瘤分割，我们进一步细化了提示生成过程，通过实施原位黑色素瘤检测和低置信度区域过滤。我们选用Segformer作为初始分割模型，EfficientSAM作为分割模型进行参数高效微调。我们的实验结果表明，该方法不仅超越了其他最先进的黑色素瘤分割方法，而且相对于基线Segformer在IoU指标上提升了9.1%。
引用
@article{arxiv.2410.02207,
title = {Adapting Segment Anything Model to Melanoma Segmentation in Microscopy Slide Images},
author = {Qingyuan Liu and Avideh Zakhor},
journal= {arXiv preprint arXiv:2410.02207},
year = {2024}
}