MIQ-SAM3D：从单点提示到多实例分割通过竞争查询 refinement
计算机视觉与模式识别
2025-11-04 v1
摘要
医学图像的精准分割是肿瘤诊断和治疗规划的基本任务。基于 SAM 的交互式分割因其强大的泛化能力而受到关注，但大多数方法遵循单点到单对象的范式，这限制了多病灶分割。此外，ViT 主干网络捕获全局上下文，但常常忽略高保真的局部细节。我们提出了 MIQ-SAM3D，一个具有竞争查询优化策略的多实例 3D 分割框架，将单点到单掩码的范式转变为单点到多实例。提示条件的实例查询生成器将单个点提示转换为多个专业化查询，使其能够从单个示例中检索 3D 体积中所有语义相似的病灶。混合 CNN-Transformer 编码器通过空间门控将 CNN 提取的边界显著性注入 ViT 自注意力机制中。竞争优化的查询解码器然后通过查询间的竞争实现端到端、并行、多实例预测。在 LiTS17 和 KiTS21 数据集上，MIQ-SAM3D 实现了相当水平的性能，并对提示具有强大的鲁棒性，为对临床相关多病灶案例的高效标注提供了实用解决方案。
引用
@article{arxiv.2511.01345,
title = {MIQ-SAM3D: From Single-Point Prompt to Multi-Instance Segmentation via Competitive Query Refinement},
author = {Jierui Qu and Jianchun Zhao},
journal= {arXiv preprint arXiv:2511.01345},
year = {2025}
}