MBA-Net：SAM驱动的双向聚合网络用于卵巢肿瘤分割

从医学图像中准确分割卵巢肿瘤对于早期诊断、治疗计划和患者管理至关重要。然而，卵巢肿瘤多样的形态特征和异质性外观给自动分割方法带来了重大挑战。在本文中，我们提出了MBA-Net，这是一种新颖的架构，它将Segment Anything Model（SAM）强大的分割能力与领域特定知识相结合，以实现准确且鲁棒的卵巢肿瘤分割。MBA-Net采用混合编码器架构，其中编码器由一个先验分支和一个领域分支组成。先验分支继承SAM编码器以捕获鲁棒的分割先验，而领域分支则专门设计用于提取领域特定特征。两个分支之间的双向信息流由鲁棒特征注入网络（RFIN）和领域知识集成网络（DKIN）促进，使MBA-Net能够利用两个分支的互补优势。我们在公开的多模态卵巢肿瘤超声数据集和内部多站点卵巢肿瘤MRI数据集上广泛评估了MBA-Net。我们提出的方法始终优于最先进的分割方法。此外，MBA-Net在不同成像模态和临床站点之间展现出优越的泛化能力。