SAM3D：体医学图像中的 Segment Anything Model

图像分割仍是医学图像分析中的关键组成部分，有助于提取关键信息以进行精确诊断。随着深度学习的出现，自动图像分割方法已崭露头角，在处理医学影像方面展现出卓越能力。受 Segment Anything Model（SAM，一个以在分割 2D 自然图像中显著精度与强大泛化能力著称的基础模型）的启发，我们引入 SAM3D，一种为 3D 体医学图像分析量身定制的创新适配。与当前基于 SAM 的方法通过将体数据转换为单独 2D 切片逐一分析来分割体数据不同，我们的 SAM3D 模型以统一方式处理整个 3D 体图像。我们在多个医学图像数据集上进行了广泛实验，表明我们的网络在 3D 医学分割任务中与其他 SOTA 方法相比取得有竞争力的结果，同时在参数量上显著高效。代码与检查点可在 https://github.com/UARK-AICV/SAM3D 获取。