面对不精确视觉提示的基础 3D 医学图像分割模型鲁棒性研究
图像与视频处理
2026-01-26 v1 计算机视觉与模式识别
摘要
虽然 3D 基础模型在医学体积提示式分割方面显示出前景，但其对不精确提示的鲁棒性尚未得到充分探讨。本文旨在通过系统性地研究各种受控的稠密视觉提示扰动，以此填补这一空白。通过在多器官腹部分割任务上对两种最新基础模型进行实验，我们揭示了提示式医学分割的多个方面，尤其是对视觉形状和空间线索的依赖性，以及模型对某些扰动的韧性程度。代码已公开：https://github.com/ucsdbiag/Prompt-Robustness-MedSegFMs
引用
@article{arxiv.2601.16383,
title = {On The Robustness of Foundational 3D Medical Image Segmentation Models Against Imprecise Visual Prompts},
author = {Soumitri Chattopadhyay and Basar Demir and Marc Niethammer},
journal= {arXiv preprint arXiv:2601.16383},
year = {2026}
}
备注
Accepted at ISBI 2026