SAM3D：利用 Segment Anything Model 进行三维医学图像的零样本半自动分割
图像与视频处理
2024-08-09 v2 计算机视觉与模式识别
摘要
我们引入了 SAM3D，这是一种基于现有 Segment Anything Model 构建的、用于三维图像半自动零样本分割的新方法。我们通过一个四步策略在三维图像中实现快速且准确的分割，该策略包括：用户使用三维折线进行提示、沿多个轴进行体积切片、使用预训练模型进行切片级推理，以及在三维空间中进行重组和细化。我们定性评估了 SAM3D 在一系列成像模态和解剖结构上的性能，并量化了其在腹盆腔 CT 和脑部 MRI 中特定结构上的性能。值得注意的是，我们的方法在零模型训练或微调的情况下实现了良好的性能，使其特别适用于缺乏预先标注数据的任务。通过使用户能够快速创建未见过的数据的三维分割，并大幅减少手动输入，这些方法有潜力辅助手术规划与教育、诊断成像和科学研究。
引用
@article{arxiv.2405.06786,
title = {SAM3D: Zero-Shot Semi-Automatic Segmentation in 3D Medical Images with the Segment Anything Model},
author = {Trevor J. Chan and Aarush Sahni and Yijin Fang and Jie Li and Alisha Luthra and Alison Pouch and Chamith S. Rajapakse},
journal= {arXiv preprint arXiv:2405.06786},
year = {2024}
}