利用 SAM2 实现低成本的三维乳腺 MRI 肿瘤分割与可视化
计算机视觉与模式识别
2025-08-01 v1 人工智能
摘要
乳腺 MRI 提供了对肿瘤评估和治疗规划至关重要的高分辨率体积成像，然而对 3D 扫描的人工解读仍然耗时且主观。尽管 AI 驱动的工具有望加速医学图像分析，但由于高昂的许可成本、专有软件和基础设施要求，商业医学 AI 产品在中低收入国家的采用仍然有限。在本工作中，我们研究了是否可以将 Segment Anything Model 2 (SAM2) 改编用于乳腺 MRI 中低成本、最少输入的 3D 肿瘤分割。使用单层切片上的单个边界框标注，我们采用三种不同的逐层跟踪策略将分割预测传播到整个 3D 体积：自顶向下、自底向上和由中心向外。我们在一个大型患者队列中评估了这些策略，发现由中心向外传播产生了最一致和最准确的分割。尽管 SAM2 是一个未针对体积医学数据进行训练的零样本模型，但它在极小监督下实现了强大的分割性能。我们进一步分析了分割性能与肿瘤大小、位置和形状的关系，并确定了关键的失败模式。我们的结果表明，像 SAM2 这样的通用基础模型可以在极小监督下支持 3D 医学图像分析，为资源受限的环境提供了一种易于获取且低成本的替代方案。
引用
@article{arxiv.2507.23272,
title = {Towards Affordable Tumor Segmentation and Visualization for 3D Breast MRI Using SAM2},
author = {Solha Kang and Eugene Kim and Joris Vankerschaver and Utku Ozbulak},
journal= {arXiv preprint arXiv:2507.23272},
year = {2025}
}
备注
Accepted for publication in the 28th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2nd Deep Breast Workshop on AI and Imaging for Diagnostic and Treatment Challenges in Breast Care (DeepBreath), 2025