SAMM（Segment Any Medical Model）：SAM的3D Slicer集成

Yihao Liu; Jiaming Zhang; Zhangcong She; Amir Kheradmand; Mehran Armand

SAMM（Segment Any Medical Model）：SAM的3D Slicer集成

图像与视频处理 2024-02-06 v4 计算机视觉与模式识别机器学习

作者: Yihao Liu , Jiaming Zhang , Zhangcong She , Amir Kheradmand , Mehran Armand

摘要

Segment Anything Model（SAM）是一种使用现有最大分割数据集训练的新型图像分割工具。该模型已证明，借助提示，它可为通用图像生成高质量掩码。然而，该模型在医学图像上的性能仍需进一步验证。为协助SAM在医学图像上的开发、评估与应用，我们引入Segment Any Medical Model（SAMM），即SAM在3D Slicer上的扩展——3D Slicer是医学影像界广泛使用的一款图像处理与可视化软件。这一3D Slicer的开源扩展及其演示已发布于GitHub（https://github.com/bingogome/samm）。SAMM实现一个完整周期的0.6秒延迟，并可近乎实时地推断图像掩码。

关键词

Segment Anything Model 医学图像分割 3D Slicer 临床影像实时推断开源扩展

引用

@article{arxiv.2304.05622,
  title  = {SAMM (Segment Any Medical Model): A 3D Slicer Integration to SAM},
  author = {Yihao Liu and Jiaming Zhang and Zhangcong She and Amir Kheradmand and Mehran Armand},
  journal= {arXiv preprint arXiv:2304.05622},
  year   = {2024}
}

备注

5 pages, 4 figures. We added editorial changes in the text

SAMM（Segment Any Medical Model）：SAM的3D Slicer集成

摘要

关键词

引用

备注

相关论文