医学图像和视频中的Segment Anything：基准测试与部署
图像与视频处理
2024-08-07 v1 计算机视觉与模式识别
摘要
分割基础模型的最新进展使得在广泛的自然图像和视频中能够实现准确高效的分割，但其在医学数据中的效用尚不清楚。在这项工作中，我们首先对Segment Anything Model 2（SAM2）在11种医学图像模态和视频上进行了全面基准测试，并通过与SAM1和MedSAM的比较指出了其优势和劣势。然后，我们开发了一个迁移学习流水线，并证明SAM2可以通过微调快速适应医学领域。此外，我们将SAM2实现为3D Slicer插件和Gradio API，用于高效的3D图像和视频分割。代码已公开发布在\url{https://github.com/bowang-lab/MedSAM}。
引用
@article{arxiv.2408.03322,
title = {Segment Anything in Medical Images and Videos: Benchmark and Deployment},
author = {Jun Ma and Sumin Kim and Feifei Li and Mohammed Baharoon and Reza Asakereh and Hongwei Lyu and Bo Wang},
journal= {arXiv preprint arXiv:2408.03322},
year = {2024}
}