可学习眼科 SAM
计算机视觉与模式识别
2023-04-27 v1
摘要
分割对眼科图像分析至关重要。但其多种模态图像阻碍了大多数现有分割算法的应用，因为它们依赖于基于大量标签的训练或泛化能力弱。基于 Segment Anything（SAM），我们提出一种简单而有效的可学习提示层，适用于眼科多模态图像中的多目标分割，命名为可学习眼科 Segment Anything（SAM）。该可学习提示层从每个 transformer 层中学习医学先验知识。训练时，我们仅基于一次学习（one-shot）机制训练提示层与任务头。我们基于九个公开数据集上的四项医学分割任务证明了我们思路的有效性。此外，我们仅为将现有基础 CV 模型应用于医学领域提供了一种新的改进思路。我们的代码见 \href{https://github.com/Qsingle/LearnablePromptSAM}{website}。
引用
@article{arxiv.2304.13425,
title = {Learnable Ophthalmology SAM},
author = {Zhongxi Qiu and Yan Hu and Heng Li and Jiang Liu},
journal= {arXiv preprint arXiv:2304.13425},
year = {2023}
}