医学影像与自然对象的单切片到 3D 重建：基于 SAM 3D 的比较基准
计算机视觉与模式识别
2026-03-03 v2
摘要
虽然三维成像对于临床诊断至关重要，但其高成本和长等待时间已促使使用图像到 3D 基础模型从二维 调制中推断体积。然而，由于这些模型是在自然图像上训练的，其所学的几何先验在难以迁移到本质平面医疗数据。我们对五个最先进的模型（SAM3D、Hunyuan3D-2.1、Direct3D、Hi3DGen 和 TripoSG）在六个医学数据集和两个自然数据集上的基准测试，发现由于单切片输入的严重深度歧义，基于体素的重叠在所有方法中均保持较低。尽管存在这一根本性的体积失败，全局距离度量指标表明 SAM3D 最能捕捉与 ground-truth 医学形状的拓扑相似性，而另一种方法则容易简化。最终，这些发现量化了零-shot 单切片 3D 推断的局限性，突显可靠的医疗 3D 重建需要针对复杂医学几何学进行领域特定适应和解剖约束。
引用
@article{arxiv.2602.09407,
title = {Single-Slice-to-3D Reconstruction in Medical Imaging and Natural Objects: A Comparative Benchmark with SAM 3D},
author = {Yan Luo and Advaith Ravishankar and Serena Liu and Yutong Yang and Mengyu Wang},
journal= {arXiv preprint arXiv:2602.09407},
year = {2026}
}