SAM-U：用于医学图像中可靠 SAM 的多框提示触发不确定性估计
计算机视觉与模式识别
2023-07-12 v1
摘要
近来，Segmenting Anything（SAM）在向通用人工智能迈进中迈出了重要一步。同时，其可靠性与公平性也引起了极大关注，尤其在医疗健康领域。在本研究中，我们提出用于 SAM 提示的多框提示触发不确定性估计，以展示分割病灶或组织的可靠性。我们通过带有先验分布参数的蒙特卡洛方法估计 SAM 预测的分布，该方法将不同提示作为测试时增强的构造方式。我们的实验结果表明，多框提示增强提升了 SAM 性能，并赋予每个像素以不确定性。这为可靠的 SAM 提供了首个范式。
引用
@article{arxiv.2307.04973,
title = {SAM-U: Multi-box prompts triggered uncertainty estimation for reliable SAM in medical image},
author = {Guoyao Deng and Ke Zou and Kai Ren and Meng Wang and Xuedong Yuan and Sancong Ying and Huazhu Fu},
journal= {arXiv preprint arXiv:2307.04973},
year = {2023}
}