Edge2Prompt：面向分布外肝脏分割的模态无关模型
图像与视频处理
2025-08-12 v3
摘要
肝脏分割对于肿瘤切除或移植等干预措施的术前规划至关重要，但由于特定模态工具和数据稀缺，其在临床工作流程中的实施面临挑战。我们提出了 Edge2Prompt，一种用于模态无关肝脏分割的新颖流水线，能够泛化至分布外（OOD）数据。我们的方法将经典边缘检测与基础模型相结合。首先从输入图像中提取模态无关的边缘图，随后由 U-Net 处理以生成基于 logit 的提示。这些提示条件化 Segment Anything Model 2 (SAM-2) 以生成 2D 肝脏分割，随后可将其重建为 3D 体积。在多模态 CHAOS 数据集上的评估表明，当在分布内（ID）进行训练和测试时，Edge2Prompt 与经典分割方法相比取得了具有竞争力的结果，并且由于 SAM-2 模块，在数据稀缺场景中优于这些方法。此外，它在 OOD 任务上实现了 86.4% 的平均 Dice Score，比 U-Net 基线高 27.4%，比其他自提示方法高 9.1%，证明了其有效性。这项工作连接了经典模型与基础模型，实现了临床适用且数据高效的分割。
引用
@article{arxiv.2508.04305,
title = {Edge2Prompt: Modality-Agnostic Model for Out-of-Distribution Liver Segmentation},
author = {Nathan Hollet and Oumeymah Cherkaoui and Philippe C. Cattin and Sidaty El Hadramy},
journal= {arXiv preprint arXiv:2508.04305},
year = {2025}
}
备注
8 pages, 3 figures, 3 tables