Atlas is Your Perfect Context：面向通用基础医学图像分割的单样本定制
计算机视觉与模式识别
2025-12-23 v1
摘要
准确的医学图像分割对于临床诊断和治疗规划至关重要。虽然最近的交互式基础模型（如 nnInteractive）通过大规模多模态预训练来增强泛化性，但仍依赖精确提示，在训练数据中未充分代表的情境下性能往往不佳。我们提出 AtlasSegFM，一个基于胚胎图（atlas）的框架，通过单一标注样本来定制现有基础模型。核心创新点包括：1）通过胚胎图与查询图像之间的配准，提供面向上下文的提示；2）一种测试时适配器，用于融合胚胎图配准和基础模型的预测结果。跨越多个公开数据集和内部数据集的大量实验表明，AtlasSegFM 在分割效果上 consistently 提升，尤其对小而精细的结构效果显著。AtlasSegFM 提供了一个轻量级、可部署的解决方案，实现对基础模型的单样本定制，适用于实际临床工作流程。代码将公开发布。
引用
@article{arxiv.2512.18176,
title = {Atlas is Your Perfect Context: One-Shot Customization for Generalizable Foundational Medical Image Segmentation},
author = {Ziyu Zhang and Yi Yu and Simeng Zhu and Ahmed Aly and Yunhe Gao and Ning Gu and Yuan Xue},
journal= {arXiv preprint arXiv:2512.18176},
year = {2025}
}