基于分割基础模型的医学图像分类提升
计算机视觉与模式识别
2024-06-18 v1 人工智能
摘要
Segment Anything Model (SAM) 在自然图像上表现出惊人的零样分割能力。最近，SAM 因其在医学图像分割中的应用而受到广泛关注。然而, 到目前为止, 尚无研究展示如何利用 SAM 增强医学图像分类。为填补这一空白并使 SAM 成为医学图像分析的真正"基础模型", 有必要为医学图像分类定制 SAM。本文引入 SAMAug-C, 一种基于 SAM 的创新数据增强方法, 通过生成原始图像的变体来扩充分类数据集。生成的增强数据集可用于训练深度学习分类模型, 从而提升分类性能。此外, 我们提出了一种新框架, 同时处理原始和 SAMAug-C 增强后的图像输入, 充分利用两者提供的互补信息。在三个公开数据集上的实验验证了我们新方法的有效性。
引用
@article{arxiv.2406.11026,
title = {Boosting Medical Image Classification with Segmentation Foundation Model},
author = {Pengfei Gu and Zihan Zhao and Hongxiao Wang and Yaopeng Peng and Yizhe Zhang and Nishchal Sapkota and Chaoli Wang and Danny Z. Chen},
journal= {arXiv preprint arXiv:2406.11026},
year = {2024}
}