挑战汇总：不确定性感知的 U-MedSAM 用于医学图像分割
图像与视频处理
2025-01-20 v3 人工智能
计算机视觉与模式识别
摘要
医学图像基础模型已证明在 various 数据集上进行掩码预测具有强大的性能。然而，准确评估其预测的不确定性仍然是一个显著的挑战。为此，我们提出了一种新模型 U-MedSAM，将 MedSAM 模型与不确定性感知损失函数和 Sharpness-Aware Minimization (SharpMin) 优化器相集成。该不确定性感知损失函数自动组合基于区域的、基于分布的和基于像素的损失设计，以增强分割精度和鲁棒性。SharpMin 通过在损失景观中寻找平坦的最小值，从而改进泛化性能。我们在 CVPR24 MedSAM on Laptop 挑战中对该方法进行了评估，U-MedSAM 在该挑战中展现了有前景的性能。
引用
@article{arxiv.2408.08881,
title = {Challenge Summary U-MedSAM: Uncertainty-aware MedSAM for Medical Image Segmentation},
author = {Xin Wang and Xiaoyu Liu and Peng Huang and Pu Huang and Shu Hu and Hongtu Zhu},
journal= {arXiv preprint arXiv:2408.08881},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2405.17496