AutoProSAM：用于三维多器官分割的 SAM 自动提示方法

Segment Anything Model（SAM）是基于提示的图像分割基础模型的先驱之一，已迅速被应用于各种医学影像任务。然而在临床环境中，创建有效提示极具挑战且耗时，需要医师等领域专家的专业知识。这一要求显著削弱了 SAM 在医学应用中的主要优势，即与终端用户的交互能力。此外，近期研究表明，最初为二维自然图像设计的 SAM 在三维医学图像分割任务上表现欠佳。这种不佳表现归因于自然图像与医学图像之间的域差距，以及二维与三维图像在空间排布上的差异，尤其在多器官分割应用中。为克服这些挑战，我们提出一种称为 AutoProSAM 的新技术。该方法利用 SAM 的基础模型能力，无需依赖领域专家提供提示，即可自动化基于 CT 的三维多器官分割。该方法采用参数高效适配技术将 SAM 调整至三维医学图像，并引入了针对该领域的有效自动提示学习范式。通过消除手动提示的需求，它增强了 SAM 在三维医学图像分割上的能力，并在基于 CT 的多器官分割任务中取得了最先进（SOTA）性能。代码见此 {\href{https://github.com/ChengyinLee/AutoProSAM_2024}{链接}}。