基于全适应性的全身医学SAM适配器
人工智能
2024-10-30 v2 计算机视觉与模式识别
摘要
视觉语言模型的出现，例如segment anything model（SAM），在通用语义分割领域取得了重大进展，特别是在Medical SAM adaptor（Med-SA）的帮助下，显著推动了医学图像分割的改进。然而，Med-SA仍可提升，因为它以部分适应方式微调SAM。为解决此问题，我们提出了一种全适应的全身医学SAM适配器（GMed-SA），能够对SAM进行全局适应。我们进一步将GMed-SA与Med-SA结合，提出了全球-局部医学SAM适配器（GLMed-SA），以同时对SAM进行全局和局部适应。在挑战性的公共2D黑色素瘤分割数据集上进行了广泛实验。结果表明，GLMed-SA在各种评估指标上均优于Several state-of-the-art语义分割方法，显示明确了我们方法的优越性。
引用
@article{arxiv.2409.17486,
title = {Global-Local Medical SAM Adaptor Based on Full Adaption},
author = {Meng Wang and Yarong Feng and Yongwei Tang and Tian Zhang and Yuxin Liang and Chao Lv},
journal= {arXiv preprint arXiv:2409.17486},
year = {2024}
}