SafeClick：基于层次化专家共识的任意医学体积数据集的容错交互式分割
图像与视频处理
2025-06-24 v1
摘要
基于体积医学图像分割的基础模型已成为临床工作流程中强大的工具，使放射科医生能够通过直观点击来描绘兴趣区域。尽管这些模型在分割以前所未见的解剖结构方面显示出有前景的能力，但其性能严重受到提示质量的影响。在临床环境中，放射科医生常常提供次优提示，这会影响分割的可靠性和准确性。为解决这一局限，我们提出SafeClick，这是一种基于层次化专家共识的医学体积数据集容错交互式分割方法。SafeClick作为与基础模型（包括SAM 2和MedSAM 2）兼容的即插即用模块。该框架由两个关键组件构成：一个协作专家层（CEL），通过专用变换器模块生成多样化的特征表示，以及一个共识推理层（CRL），对这些特征进行交叉引用和自适应集成。这一架构将分割过程从依赖提示的操作，转变为能够即使在用户输入不完美的情况下仍能产生准确结果的稳健框架。广泛的实验在15个公开数据集上进行，证明我们的即插即用方法在提升基础模型性能方面始终具有优势，特别是在处理不完美提示时效果显著。源代码可在https://github.com/yifangao112/SafeClick 获取。
引用
@article{arxiv.2506.18404,
title = {SafeClick: Error-Tolerant Interactive Segmentation of Any Medical Volumes via Hierarchical Expert Consensus},
author = {Yifan Gao and Jiaxi Sheng and Wenbin Wu and Haoyue Li and Yaoxian Dong and Chaoyang Ge and Feng Yuan and Xin Gao},
journal= {arXiv preprint arXiv:2506.18404},
year = {2025}
}
备注
MICCAI 2025