迈向 SAMBA：面向撒哈拉以南非洲人群脑肿瘤分割的 Segment Anything Model
图像与视频处理
2023-12-20 v1 计算机视觉与模式识别
摘要
胶质瘤是最常见的原发性脑肿瘤，需要精确的分割以进行诊断和治疗规划。然而，这项任务面临重大挑战，特别是在非洲人群中，高质量成像数据的获取受限阻碍了算法性能。在本研究中，我们提出了一种结合 Segment Anything Model (SAM) 和投票网络的创新方法，用于多模态胶质瘤分割。通过使用边界框引导的提示微调 SAM (SAMBA)，我们使模型适应非洲数据集的复杂性。我们的集成策略利用多种模态和视角，产生稳健的共识分割，以解决肿瘤内部的异质性问题。尽管扫描的低质量带来了困难，但我们的方法有望对非洲等资源有限环境中的临床实践产生深远影响，改善治疗决策并推动神经肿瘤学研究。此外，未来成功应用于其他脑肿瘤类型和病变，有望在神经影像学领域实现更广泛的变革，改善各种环境下的医疗保健结果。本研究在脑肿瘤分割挑战赛非洲区数据集上进行，该数据集为解决资源有限环境（特别是非洲人群）特有的挑战提供了宝贵资源，并有助于开发有效且更具泛化能力的分割算法。为了说明我们方法的潜力，我们在 BraTS-Africa 数据集上的实验产生了令人信服的结果，SAM 在二值分割中达到了 86.6 的 Dice 系数，在多类分割中达到了 60.4。
引用
@article{arxiv.2312.11775,
title = {Towards SAMBA: Segment Anything Model for Brain Tumor Segmentation in Sub-Sharan African Populations},
author = {Mohannad Barakat and Noha Magdy and Jjuuko George William and Ethel Phiri and Raymond Confidence and Dong Zhang and Udunna C Anazodo},
journal= {arXiv preprint arXiv:2312.11775},
year = {2023}
}
备注
13 pages, 6 figures, 2 tables