SAM-OCTA：一种将基础模型应用于 OCTA 图像分割任务的微调策略
计算机视觉与模式识别
2023-09-22 v1 机器学习
摘要
在光学相干断层扫描血管造影（OCTA）图像分析中，分割特定目标的操作为必需环节。现有方法通常在样本有限（约数百张）的有监督数据集上训练，可能导致过拟合。为此，本文采用低秩自适应技术进行基础模型微调，并提出相应的提示点生成策略以处理 OCTA 数据集上的各类分割任务。该方法命名为 SAM-OCTA，已在公开可用的 OCTA-500 数据集上实验。在取得最先进（SOTA）性能指标的同时，该方法完成了局部血管分割以及有效的动静脉分割，而后者在既往工作中未能很好解决。代码见：https://github.com/ShellRedia/SAM-OCTA。
引用
@article{arxiv.2309.11758,
title = {SAM-OCTA: A Fine-Tuning Strategy for Applying Foundation Model to OCTA Image Segmentation Tasks},
author = {Chengliang Wang and Xinrun Chen and Haojian Ning and Shiying Li},
journal= {arXiv preprint arXiv:2309.11758},
year = {2023}
}
备注
ICASSP conference is in submission