分割一切模型在组织学图像细胞核实例分割中的泛化能力研究
图像与视频处理
2024-01-26 v1 计算机视觉与模式识别
摘要
分割一切模型 (SAM) 在一个庞大且多样化的数据集上进行了预训练，是计算机视觉中首个面向对象分割任务的可提示基础模型。在这项工作中，我们通过零样本学习和微调，评估了 SAM 在细胞核实例分割任务上的性能。我们将 SAM 与细胞核实例分割中的其他代表性方法进行了比较，特别是在模型泛化能力的背景下。为了实现自动细胞核实例分割，我们提出使用一个细胞核检测模型来提供边界框或细胞核中心点作为视觉提示，以供 SAM 从医学图像中生成细胞核实例掩膜。
引用
@article{arxiv.2401.14248,
title = {On generalisability of segment anything model for nuclear instance segmentation in histology images},
author = {Kesi Xu and Lea Goetz and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2401.14248},
year = {2024}
}