生物医学SAM 2：生物医学图像和视频中的通用分割
计算机视觉与模式识别
2024-08-20 v2
摘要
医学图像分割和视频对象分割对于通过识别和测量生物结构来诊断和治疗疾病至关重要。自然领域的近期进展由Segment Anything Model 2 (SAM-2)等基础模型推动。为探索SAM-2在生物医学应用中的性能，我们设计了三个评估流水线，分别针对单帧2D图像分割、多帧3D图像分割和多帧视频分割，并采用不同的提示设计，揭示了SAM-2在医学语境中的局限性。因此，我们开发了BioSAM-2，一个基于SAM-2的针对生物医学数据优化的增强基础模型。我们的实验表明，BioSAM-2不仅超越了现有最先进基础模型的性能，还匹配甚至超越了专业模型，证明了其在医学领域的有效性和潜力。
引用
@article{arxiv.2408.03286,
title = {Biomedical SAM 2: Segment Anything in Biomedical Images and Videos},
author = {Zhiling Yan and Weixiang Sun and Rong Zhou and Zhengqing Yuan and Kai Zhang and Yiwei Li and Tianming Liu and Quanzheng Li and Xiang Li and Lifang He and Lichao Sun},
journal= {arXiv preprint arXiv:2408.03286},
year = {2024}
}