nnInteractive：重新定义 3D 可提示分割
摘要
准确且高效的 3D 分割对于临床和研究应用均至关重要。尽管像 SAM 这样的基础模型已经彻底改变了交互式分割，但其 2D 设计和域偏移局限性使其不适合 3D 医学图像。目前的改进方法解决了一些此类挑战，但仍然存在局限，要么缺乏体积感知，要么提供受限的交互性，要么仅支持少量结构和模态。可用性仍然是一个挑战，因为当前的工具很少集成到成熟的成像平台中，并且通常依赖功能受限且繁琐的基于 Web 的界面。我们引入了 nnInteractive，这是首个全面的 3D 交互式开放集分割方法。它支持多种提示——包括点、涂鸦、框以及一种新颖的套索提示——同时利用直观的 2D 交互来生成完整的 3D 分割。在 120 多个多样化的体积 3D 数据集（CT、MRI、PET、3D 显微镜等）上训练，nnInteractive 在准确性、适应性和可用性方面树立了新的 SOTA。至关重要的是，它是首个集成到广泛使用的图像查看器（例如 Napari、MITK）中的方法，确保了在实际临床和研究应用中的广泛可及性。广泛的基准测试表明，nnInteractive 远超现有方法，为 AI 驱动的交互式 3D 分割设定了新标准。nnInteractive 已公开可用：https://github.com/MIC-DKFZ/napari-nninteractive (Napari 插件), https://www.mitk.org/MITK-nnInteractive (MITK 集成), https://github.com/MIC-DKFZ/nnInteractive (Python 后端)。
引用
@article{arxiv.2503.08373,
title = {nnInteractive: Redefining 3D Promptable Segmentation},
author = {Fabian Isensee and Maximilian Rokuss and Lars Krämer and Stefan Dinkelacker and Ashis Ravindran and Florian Stritzke and Benjamin Hamm and Tassilo Wald and Moritz Langenberg and Constantin Ulrich and Jonathan Deissler and Ralf Floca and Klaus Maier-Hein},
journal= {arXiv preprint arXiv:2503.08373},
year = {2025}
}
备注
Fabian Isensee, Maximilian Rokuss and Lars Kr\"amer contributed equally. Each co-first author may list themselves as lead author on their CV