SegVol：通用且可交互的体医学图像分割
计算机视觉与模式识别
2025-02-13 v5
摘要
精准的图像分割为临床研究提供指导性信息。尽管医学图像分割已取得显著进展，仍缺乏一个能够通过简便用户交互分割广泛解剖类别的 3D 基础分割模型。本文提出一种名为 SegVol 的 3D 基础分割模型，支持通用且可交互的体医学图像分割。通过将训练数据规模扩大至 90K 无标注计算机断层扫描（CT）体数据与 6K 标注 CT 体数据，该基础模型支持利用语义与空间提示对超过 200 个解剖类别进行分割。为在体图像上实现高效精准推理，我们设计了一种缩小再放大（zoom-out-zoom-in）机制。在 22 项解剖分割任务上的大量实验验证，SegVol 在 19 项任务中优于竞争对手，相较次优方法的提升最高达 37.24%。我们通过消融研究证明了特定设计的有效性与重要性。期望该基础模型能推动体医学图像分析的发展。模型与代码已公开于：https://github.com/BAAI-DCAI/SegVol。
引用
@article{arxiv.2311.13385,
title = {SegVol: Universal and Interactive Volumetric Medical Image Segmentation},
author = {Yuxin Du and Fan Bai and Tiejun Huang and Bo Zhao},
journal= {arXiv preprint arXiv:2311.13385},
year = {2025}
}
备注
NeurIPS 2024 Spotlight