RAPS-3D：用于 3D 放射学成像的高效交互式分割
计算机视觉与模式识别
2025-07-11 v1
摘要
提示驱动分割由 Segment Anything Model (SAM) 引入，成为医学成像的有前景方法，因其使临床医生能够交互式地指导和细化模型预测。然而，SAM 的架构设计用于 2D 图像，无法自然扩展至如 CT 或 MRI 扫描等三维体数据。将 2D 模型适配至 3D 通常涉及自回归策略，逐层推送预测，从而导致推理复杂度增加。处理大型 3D 体积也需要显著的计算资源，常导致现有 3D 方法采用滑动窗口推理等复杂策略以管理内存使用，增加推理时间和实现复杂度。本文提出一种简化的 3D 提示驱动分割方法，灵感来自 SegVol，旨在减少推理时间并消除滑动窗口相关的提示管理复杂性，同时实现最先进的性能。
引用
@article{arxiv.2507.07730,
title = {RAPS-3D: Efficient interactive segmentation for 3D radiological imaging},
author = {Théo Danielou and Daniel Tordjman and Pierre Manceron and Corentin Dancette},
journal= {arXiv preprint arXiv:2507.07730},
year = {2025}
}
备注
Abstract accepted at MIUA 2025