基于边界框自适应扰动算法的 MedSAM 模型优化
计算机视觉与模式识别
2025-03-26 v1
摘要
MedSAM 模型建立在 SAM 框架之上，通过可泛化训练增强了医学图像分割，但仍存在显著局限性。首先，训练期间扰动窗口设置的约束会导致 MedSAM 将小组织或器官与相邻结构错误地分割在一起，从而导致分割错误。其次，在处理具有不规则形状和复杂结构特征的医学图像目标时，分割通常依赖于缩小边界框以细化分割意图。然而，MedSAM 在缩小边界框提示下的性能仍然不佳。为了应对这些挑战，本研究提出了一种边界框自适应扰动算法来优化训练过程。所提出的方法旨在减少小目标的分割错误，并提高模型在处理缩小边界框提示时的准确性，最终提高 MedSAM 模型在复杂医学成像任务中的鲁棒性和可靠性。
引用
@article{arxiv.2503.19700,
title = {Optimization of MedSAM model based on bounding box adaptive perturbation algorithm},
author = {Boyi Li and Ye Yuan and Wenjun Tan},
journal= {arXiv preprint arXiv:2503.19700},
year = {2025}
}
备注
6 pages, 6 figures, 3 Tables