SAMSA：基于谱角增强的 Segment Anything Model hyperspectral 交互式医学图像分割
计算机视觉与模式识别
2025-09-25 v1 机器学习
摘要
高光谱成像 (HSI) 提供丰富的光谱信息用于医疗成像，但因数据限制和硬件差异性面临显著挑战。我们引入 SAMSA，一种新型交互式分割框架，将 RGB 基础模型与光谱分析相结合。SAMSA 有效利用用户点击指导 RGB 分割和光谱相似性计算。该方法通过独立于光谱带数和分辨率的独特光谱特征融合策略，解决了 HSI 分割的关键局限性。在公开数据集上的性能评估显示，neurosurgical 数据集上实现 81.0% 1-click 和 93.4% 5-click DICE，intraoperative porcine hyperspectral 数据集上实现 81.1% 1-click 和 89.2% 5-click DICE。实验结果表明，SAMSA 在 few-shot 和 zero-shot 学习场景中表现出色，使用最少的训练示例。我们的做法实现了不同光谱特征的数据集的无缝集成，为高光谱医学图像分析提供了灵活框架。
引用
@article{arxiv.2507.23673,
title = {SAMSA: Segment Anything Model Enhanced with Spectral Angles for Hyperspectral Interactive Medical Image Segmentation},
author = {Alfie Roddan and Tobias Czempiel and Chi Xu and Daniel S. Elson and Stamatia Giannarou},
journal= {arXiv preprint arXiv:2507.23673},
year = {2025}
}