CRC-SAM：基于 SAM 的结直肠癌在 CT、结肠镜和组织学图像中的多模态分割与量化
图像与视频处理
2026-04-29 v1 计算机视觉与模式识别
摘要
我们提出了 CRC-SAM，用于结直肠癌在结肠镜、CT 和组织学图像中的多模态分割。与先前的单模态方法不同，CRC-SAM 在临床工作流程中提供一致的、模态无关的分割。基于 MedSAM，它将低秩适应（LoRA）层集成到冻结编码器中，实现对 underrepresented 模态的高效域迁移，所需的可训练参数极少。在 MSD-Colon、CVC-ClinicDB 和 EBHI-Seg 上的实验表明，CRC-SAM 在各个模态上的性能均优于最先进的基准方法，凸显了面向基础模型的结直肠癌分析中轻量级 LoRA 适应的有效性。
引用
@article{arxiv.2604.24793,
title = {CRC-SAM: SAM-Based Multi-Modal Segmentation and Quantification of Colorectal Cancer in CT, Colonoscopy, and Histology Images},
author = {Daniel Lao},
journal= {arXiv preprint arXiv:2604.24793},
year = {2026}
}
备注
4 pages, 3 figures, ISBI 2026 oral presentation