Polyp-SAM：迁移 SAM 用于息肉分割
图像与视频处理
2023-05-02 v1 计算机视觉与模式识别
摘要
结肠息肉被认为是结直肠癌的重要前兆。结肠息肉的自动分割可显著减少结肠癌的误诊并提高医师标注效率。尽管已提出许多息肉分割方法，但利用有限的结肠镜数据训练大规模分割网络仍具挑战。近来，Segment Anything Model (SAM) 在自然与医学图像分割中均备受关注。SAM 在若干图像基准上展现出优越性能，因此在医学图像分割中显示出巨大潜力。在本研究中，我们提出 Poly-SAM，一种针对息肉分割微调的 SAM 模型，并将其性能与几种最先进的息肉分割模型进行比较。我们还比较了 SAM 在微调与不微调其编码器的两种迁移学习策略。在五个公开数据集上评估，我们的 Polyp-SAM 在两个数据集上取得最先进性能，在三个数据集上表现令人印象深刻，dice 系数均高于 88%。本研究展示了将 SAM 适配至医学图像分割任务的巨大潜力。我们计划在 https://github.com/ricklisz/Polyp-SAM 发布本文的代码与模型权重。
引用
@article{arxiv.2305.00293,
title = {Polyp-SAM: Transfer SAM for Polyp Segmentation},
author = {Yuheng Li and Mingzhe Hu and Xiaofeng Yang},
journal= {arXiv preprint arXiv:2305.00293},
year = {2023}
}