SAMedOCT：将 Segment Anything Model (SAM) 适配于视网膜 OCT
图像与视频处理
2023-09-01 v2 计算机视觉与模式识别
摘要
Segment Anything Model（SAM）凭借其出色的能力与基于提示的界面，在图像分割领域获得了广泛关注。尽管 SAM 已在多个领域被广泛评估，但其在视网膜 OCT 扫描上的适配仍属空白。为弥补这一研究缺口，我们对 SAM 及其适配版本在 RETOUCH 挑战赛的大规模公开 OCT 数据集上进行了全面评估。我们的评估涵盖多种视网膜疾病、积液腔室和设备厂商，并将 SAM 与 SOTA 视网膜积液分割方法进行比较。通过分析，我们展示了适配的 SAM 作为视网膜 OCT 扫描中强大分割模型的有效性，尽管在某些情况下仍落后于已有方法。研究结果凸显了 SAM 的适配性与鲁棒性，展示了其作为视网膜 OCT 图像分析中有价值工具的效用，并为该领域的进一步进展铺平了道路。
引用
@article{arxiv.2308.09331,
title = {SAMedOCT: Adapting Segment Anything Model (SAM) for Retinal OCT},
author = {Botond Fazekas and José Morano and Dmitrii Lachinov and Guilherme Aresta and Hrvoje Bogunović},
journal= {arXiv preprint arXiv:2308.09331},
year = {2023}
}