基于框提示MedSAM的点监督脑肿瘤分割

勾勒病变和解剖结构对于图像引导干预至关重要。点监督医学图像分割（PSS）在减轻昂贵的专家标注方面具有巨大潜力。然而，由于缺乏精确的尺寸和边界指导，PSS的有效性往往达不到预期。尽管最近的视觉基础模型，如医学分割一切模型（MedSAM），在框提示分割方面取得了重大进展，但利用点标注并不直接，且容易产生语义模糊。在这项初步研究中，我们引入了一个迭代框架来促进语义感知的点监督MedSAM。具体而言，语义框提示生成器（SBPG）模块能够将点输入转换为潜在的伪框建议，这些建议通过基于原型的语义相似性明确精炼。随后是提示引导的空间精炼（PGSR）模块，它利用MedSAM的卓越泛化能力来推断分割掩码，同时也更新SBPG中的框建议种子。通过足够的迭代，性能可以逐步提升。我们在BraTS2018上对全脑肿瘤分割进行了评估，并证明了其优于传统PSS方法且与框监督方法性能相当。