医学图像分割的基础AI模型
图像与视频处理
2024-11-06 v1 计算机视觉与模式识别
摘要
基础模型是指在大量数据上训练、并在各种任务中展现出广泛泛化能力和高精度的人工智能模型。这些模型提供通用的“一模型多用”或“一模型全用”解决方案，无需开发特定任务的AI模型。此类基础模型的例子包括ChatGPT和SAM。这些模型已在数百万至数十亿样本上训练，并在文本处理（使用ChatGPT）和自然图像分割（使用SAM）等众多任务中展现出广泛而准确的应用。在医学图像分割（在医学图像中寻找目标区域）中，对这些“一模型多用”或“一模型全用”基础模型的需求日益增长。此类模型可以避免开发数千个特定任务的AI模型（这目前是该领域的标准做法）。它们也可以适用于数据集太小而无法有效训练的任务。我们讨论了实现医学图像分割基础模型的两种路径，并评述了进展、挑战和机遇。一种路径是调整或微调现有（最初为自然图像开发的）模型，以用于医学图像。第二种路径是从头开始构建模型，仅使用医学图像进行训练。
引用
@article{arxiv.2411.02745,
title = {Foundation AI Model for Medical Image Segmentation},
author = {Rina Bao and Erfan Darzi and Sheng He and Chuan-Heng Hsiao and Mohammad Arafat Hussain and Jingpeng Li and Atle Bjornerud and Ellen Grant and Yangming Ou},
journal= {arXiv preprint arXiv:2411.02745},
year = {2024}
}