Segment Any Medical Model 扩展版
计算机视觉与模式识别
2024-03-28 v1
摘要
Segment Anything Model (SAM) 因其通用性而受到从事医学图像分割的研究人员的广泛关注。然而，研究人员发现 SAM 在医学图像上的性能可能低于基于非基础模型的 SOTA 模型。尽管如此，社区仍看好通过扩展、微调、修改和评估 SAM 来进行医学图像分析的潜力。近期不少工作聚焦于上述四个方向，提出了 SAM 的各种变体。为此，本文引入 SAMM Extended (SAMME)，一个集成新型 SAM 变体模型、采用更快通信协议、支持新交互模式，并允许对模型子组件进行微调的统一平台。这些功能可以扩充类似 SAM 这样的基础模型潜力，结果可用于图像引导疗法、混合现实交互、机器人导航和数据增强等应用。
引用
@article{arxiv.2403.18114,
title = {Segment Any Medical Model Extended},
author = {Yihao Liu and Jiaming Zhang and Andres Diaz-Pinto and Haowei Li and Alejandro Martin-Gomez and Amir Kheradmand and Mehran Armand},
journal= {arXiv preprint arXiv:2403.18114},
year = {2024}
}
备注
The content of the manuscript has been presented in SPIE Medical Imaging 2024, and had been accepted to appear in the proceedings of the conference